Оптимизационные задачи в машинном обучении

Цели и задачи дисциплины

Целью дисциплины является изучение оптимизационных задач машинного обучения и основных методов их решения, приобретение компетенций в области использования методов оптимизации в задачах машинного обучения. Задачи дисциплины: уметь представлять задачи машинного обучения как задачи оптимизации и применять релевантные задаче методы. Уметь определять возможности применения того или иного метода оптимизации для решения поставленной оптимизационной задачи машинного обучения. Неклассические парадигмы обучения.

Краткое содержание дисциплины

Курс рассматривает дополнительные главы машинного обучения: системы автоматизированного машинного обучения, построение моделей нормального поведения Autoencoder, генерация синетических данных и Uplift задачи. Особенность курса - решение реальных жизненных задач.

Компетенции обучающегося, формируемые в результате освоения дисциплины

Выпускник должен обладать:

ПК-1 Способен разрабатывать и применять алгоритмы анализа данных, машинного обучения и нейросетевых технологий при создании интеллектуальных информационных систем