Машинне навчання

Код модуля: 
ІСМ_8036_С01
Тип модуля: 
обов’язковий
Семестр: 
Перший
Обсяг модуля: 
загальна кількість годин — 180 (кредитів ЄКТС — 6); аудиторні години — 64 (лекції — 32, лабораторні — 32)
Лектори: 
к.т.н., доцент Захарія Любов Михайлівна
Результати навчання: 
знати:
  • Основні поняття машинного навчання
  • Приклади прикладних задач, які використовують методи машинного навчання
  • Генетично-адаптивні алгоритми
  • Методи класифікації, регресійного аналізу, кластеризації, пошуку в просторі гіпотез
  • Дерева рішень
  • Нейронні мережі, мережі Кохонена, Байесові мережі
  • Методи пошуку асоціативних правил
  • Методи інтелектуальних агентів та мультиагентних систем
Спосіб навчання (аудиторне, дистанційне навчання): 
аудиторне
Необхідні обов’язкові попередні та супутні модулі: 
Переквізит:
  • Інтелектуальні системи,
  • Системи штучного інтелекту
Кореквізити:
  • Методи опрацювання природної мови
Зміст навчального модуля: 
Основні поняття машинного навчання. Задачі класифікації. Задачі відновлення регресії. Задачі прогнозування та прийняття рішень. Задачі кластеризації. Задачі оптимізації — генетично-адаптивні алгоритми. Нейромережеві методи класифікації та регресії — навчання на основі зв’язків. Нейромережеві методи класифікації та регресії — мережі, що самоорганізовуються. Байесові мережі. Пошук асоціативних правил — навчання без вчителя. Інтелектуальні агенти та мультиагентні системи.
Рекомендована література: 
  1. Айвазян С. А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: основы моделирования и первичная обработка данных. — М.: Финансы и статистика, 1983.
  2. Айвазян С. А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: исследование зависимостей. — М.: Финансы и статистика, 1985.
  3. Айвазян С. А., Бухштабер В. М., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: классификация и снижение размерности. — М.: Финансы и статистика, 1989.
  4. Вапник В. Н. Восстановление зависимостей по эмпирическим данным. — М.: Наука, 1979.
  5. Журавлев Ю. И., Рязанов В. В., Сенько О. В. «Распознавание». Математические методы. Программная система. Практические применения. — М.: Фазис, 2006. ISBN 5-7036-0108-8.
  6. Загоруйко Н. Г. Прикладные методы анализа данных и знаний. — Новосибирск: ИМ СО РАН, 1999. ISBN 5-86134-060-9.
  7. Шлезингер М., Главач В. Десять лекций по статистическому и структурному распознаванию. — Киев: Наукова думка, 2004. ISBN 966-00-0341-2.
  8. Николенко С.И. Курс лекций по машинному обучению — слайды. Електронний ресурс. Режим доступу: http://logic.pdmi.ras.ru/~sergei/index.php?page=mlaptu09
Форми та методи навчання: 
лекції, лабораторні заняття, самостійна робота
Методи і критерії оцінювання: 
  • Поточний контроль (40%): письмові звіти з лабораторних робіт, розрахункова робота, усне опитування
  • Підсумковий контроль (60%, іспит): тестування (60%).
Мова навчання: 
українська