Перейти к основному содержанию

Варианты зачисления на курс

Изображение курса" Машинное обучение в задачах радиолокации
Изображение курса
Текст краткого изложения курса:

Программа разработана с учетом требований ФГОС ВО по направлению подготовки 09.03.01 «Информатика и вычислительная техника».
Целью реализации программы является совершенствование базовых математических и аналитических знаний обучающихся для решения задач машинного обучения.
Обучающиеся должны овладеть следующими компетенциями:

  • ОПК-8 - способен разрабатывать алгоритмы и программы, пригодные для практического применения;
  • ОПК-9 - способен осваивать методики использования программных средств для решения практических задач;
  • ПК-1 - способен анализировать большие данные с использованием существующей в организации методологической и технологической инфраструктуры.

В результате освоения программы обучающийся должен:

  • знать:
    • основные подходы к работе с базами данных, операционными системами и оболочками, современные программные среды разработки информационных систем и технологий; алгоритмы поиска закономерностей и корреляций в больших наборах данных; основные типы задач, процесс обучения и валидации модели, методы обработки и кластеризации данных, ансамблирования решений;
    • современные информационно-коммуникационные и интеллектуальные технологии, инструментальные среды, программно-технические платформы для решения профессиональных задач; алгоритмы машинного обучения, которые могут применяться в задачах радиолокации;
    • предметную область анализа больших данных в соответствии с требованиями заказчика, возможности, имеющейся у исполнителя методологической и технологической инфраструктуры анализа больших данных; современный опыт использования анализа больших данных; теоретическую и прикладную информатику; теоретические и прикладные основы анализа данных; основы бизнес-интеллекта, типы систем бизнес-интеллекта; теорию принятия решений, математическое моделирование, теорию вероятностей и математическую статистику; типы анализа больших данных, виды аналитики; современные методы и инструментальные средства анализа больших данных; стандарты проведения анализа данных; методы оценки временных и стоимостных характеристик технологий больших данных; источники информации, необходимой для обеспечения деятельности в предметной области заказчика исследования; современную технологическую инфраструктуру высокопроизво-дительных и распределенных вычислений; методы интерпретации и визуализации больших данных.
  • уметь:
    • применять языки программирования и работы с базами данных, современные среды разработки информационных систем и технологий для автоматизации различных процессов, решения прикладных задача различных классов, ведения баз данных и информационных хранилищ, работать с базовыми инструментами машинного обучения, категориальными признаками и тестами, текстовыми данными и способами их представления; принимать оптимальные решения и создавать прогнозы на основе анализа закономерностей и корреляций в больших наборах данных;
    • обосновывать выбор современных информационно-коммуникационных и интеллектуальных технологий; пользоваться различными средами для быстрого применения алгоритмов машинного обучения; работать с разнотипными данными, визуализировать их, оценивать простые метрики качества работы алгоритмов классификации и восстановления регрессии; осуществлять поиск по документации специализированных библиотек машинного обучения, пользоваться открытыми базами статей по тематике машинного обучения в задачах радиолокации;
    • использовать имеющуюся у исполнителя методологическую и технологическую инфраструктуру анализа больших данных для выполнения аналитических работ; проводить сравнительный анализ методов и инструментальных средств анализа больших данных; разрабатывать и оценивать модели больших данных; программировать на языках высокого уровня, ориентированных на работу с большими данными; адаптировать и развертывать модели в предметной среде; решать задачи классификации, кластеризации, регрессии, прогнозирования, снижения размерности и ранжирования данных; решать проблемы переобучения и недообучения алгоритма; формировать предложения по использованию результатов анализа; оформлять результаты аналитического исследования для представления заказчику; разъяснять заказчику результаты аналитической работы.

Программа предназначена для специалистов в области информационно-коммуникационных технологий, имеющих высшее или среднее профессиональное образование, а также лиц, получающих высшее образование.

Программа предусматривает изучение следующих тем:

  • практическая работа с базовыми инструментами машинного обучения;
  • методы обработки данных. Метод KNN;
  • метрики и линейные модели;
  • логическая регрессия и ее приложения. Кросс валидация;
  • методы обработки текстовых данных для задач машинного обучения;
  • решающие деревья и их приложения;
  • ансамбли решений и их приложения;
  • кластеризация в задачах радиолокации.

Форма проведения итоговой аттестации: выполнение итогового теста.

Программирование и информационные технологии
Гости не имеют доступа к этому курсу. Войдите в систему.
Accessibility

Background Colour

Font Face

Font Size

1

Text Colour