Інфопакет

Алгоритми та методи машинного навчання

ОК5

Обов’язкова дисципліна для ОП

Другий

2023/2024

2 Семестр

4

У це поле подаються результати навчання дисципліни з Профілю ОП. Мати спеціалізовані уміння/навички розв’язання проблем комп’ютерних наук, необхідні для проведення досліджень та провадження інноваційної діяльності з метою розвитку нових знань та процедур. Розробляти концептуальну модель інформаційної або комп’ютерної системи. Розробляти та застосовувати математичні методи для аналізу інформаційних моделей. Розробляти математичні моделі та методи аналізу даних (включно з великим). Тестувати програмне забезпечення. Виконувати дослідження у сфері комп’ютерних наук. Збирати, формалізувати, систематизувати і аналізувати потреби та вимоги до інформаційної або комп’ютерної системи, що розробляється, експлуатується чи супроводжується. Аналізувати сучасний стан і світові тенденції розвитку комп’ютерних наук та інформаційних технологій. Створювати та досліджувати інформаційні та математичні моделі систем і процесів, що досліджуються, зокрема об’єктів автоматизації.

Дистанційне навчання

У це поле подається вимоги до вивчення дисципліни. Якщо вони є, то беруться з робочої програми дисципліни. 1) володіння методами та моделями інтелектуального аналізу даних при вирішенні задач обробки великих масивів даних; 2) володіння сучасними програмними мовами та засобами розробки проектування програм для розв’язання наукових та прикладних задач.

У це поле подається інформація з робочої програми дисципліни. Описується в довільній формі. Дисципліна присвячена теоретичним засадам застосування апарату машинного навчання, визначенню кола задач, що вирішуються за допомогою машинного навчання; принципам формулювання постановки задач, що виникають у практичній діяльності, для їх розв’язання за допомогою методів машинного навчання, принципам використання методів машинного навчання для розв’язання широкого класу задач науки та техніки. Присвячена використанню методів, підходів та алгоритмів машинного навчання в інформаційно-аналітичній діяльності; грамотного вибору найкращого методу машинного навчання, що підходить для конкретної задачі; побудові моделей машинного навчання.

1. Методичні вказівки до проведення лабораторних та практичних занять «Машинне навчання» для студентів магістерської освітньої програми «Інформаційна аналітика» - К.: КНУ імені Тараса Шевченка, 2019. 2. Положення про організацію освітнього процесу у Київському національному університеті імені Тараса Шевченка- К.: КНУ імені Тараса Шевченка, 2018. – 112 с. 3. Єгорченков О.В. Модель декомпозиції інформаційної дії [Текст]/Єгорченков О.В., Лисицін О.Б. //«Управління розвитком складних систем» – 2013 - №15 – С. 51-55 4. Єгорченков О.В. Моделі класів інформаційних представлень [Текст]/Єгорченков О.В., Єгорченкова Н.Ю., Катаєв Д.С. //“Information technology&knowlrdge”-Bulgaria – 2014 - №4-C.369-371 5. Yehorchenkov O.V. Product-Resource Planning System [Текст]/Yehorchenkov O.V., Yehorchenkov N.I. // IEEE First International Conference on Data Stream Mining & Processing, Ukraine, Lviv, 23-37 august 2016, P.29-33

Лекції, практичні заняття, самостійна робота, консультації

Залік виставляється студенту за результатами роботи упродовж семестру. На останньому практичному занятті проводиться підсумкова модульна контрольна робота у вигляді заключного комп’ютерного тесту з підсумковою оцінкою до 20 балів. При отриманні результуючої підсумкової кількості балів від 60 та вище студенту виставляється зараховано. За бажання студента, за наявності залікових балів покращити свій результат, він має право здавати залік, на який виноситься 20 балів, але сумарна кількість балів не може перевищувати 100 балів. Студенти, які набрали сумарно меншу кількість балів ніж критично розрахунковий мінімум - 36 балів, до складання заліку не допускаються. Рекомендований мінімум для допуску до заліку – 48 балів.

Англійська