Інфопакет

Спеціальні методи програмування та моделювання у фізиці ядра та елементарних частинок

ВБ 4.3

Вибіркова дисципліна для ОП

Другий

2023/2024

3 Семестр

6

Знати теорію і проблематику сучасних моделей машинного навчання Знати основні підходи до задач регресії та класифікації з використанням нейронних мереж Вміти застосовувати бібліотеки Python для підготовки даних та задач метричної класифікації Вміти застосовувати теоретичні та практичні підходи до багатовимірних задач класифікації Демонструвати здатність до вільної комунікації мовою навчання Використовувати знання іноземних мов для читання технічної літератури з програмування в підготовці до семінарських занять Брати участь у фахових дискусіях в процесі аудиторної роботи

Очна форма

1. Знати основи математичного аналізу, теорії ймовірностей, статистичної фізики і термодинаміки. 2. Вміти застосовувати набуті раніше знання з курсів математичного аналізу, теорії ймовірностей, статистичної фізики і термодинаміки для розв’язку практичних задач. 3. Володіти елементарними навичками обчислень з курсу теорії диференціальних рівнянь.

Частина 1. Основні методи 1 Основні поняття і проблема перенавчання 2 Вирішуючі дерева 3 Метричні методи класифікації, метод стохастичного градієнта 4 Метод опорних векторів. Логістична регресія 5 Метод головних компонент. Гребнева регресія Частина 2 Нейронні мережі 6 Градієнтний бустінг. Ліс вирішуючих дерев. 7 Ієрархічна кластеризація. Часткова навчання. 8 Категоріальні чинники. Нейронні мережі. 9 Машинне навчання без супроводу.

1. Pattern Recognition and Machine Learning, Bishop, Christopher (2006). 2. An Introduction to Statistical Learning, Gareth Games, Daniela Witten, Travor Hastie, Robert Tibshirani, Springer (2013). 3. Neural Networks A Systematic Introduction, R Rojas, Springer (1996).

Лекції Практичні Самостійна робота

Усне опитування Проекти Доповідь Екзаменаційна робота

Українська