Навчання > Методи та технології машинного навчання (ВПК)

Методи та технології машинного навчання (ВПК)

Тип: Нормативний

Кафедра: системного проектування

Лекції

СеместрК-сть годинЛекторГрупа(и)
532доцент Ляшкевич В. Я.

Лабораторні

СеместрК-сть годинГрупаВикладач(і)
532

Опис навчальної дисципліни

Машинне навчання – це підгалузь систем штучного інтелекту в галузі інформатики. Навчальна програма дисципліни “Методи та технології машинного навчання “визначає зміст і обсяг знань”, необхідних для фахівця в галузі наук про дані та систем штучного інтелекту. Дисципліна охоплює проблематику вивчення сучасного стану технологій машинного навчання, що використовуються для формалізації та обробки даних, вивчення сучасних програмних засобів машинної обробки даних, технологій їх проектування, реалізації та дослідження.

У межах навчальної дисципліни “Методи та технології машинного навчання” студенти вивчають методи, що застосовуються для побудови складних моделей та алгоритмів із метою вирішення завдань класифікації, кластеризації та прогнозування.

Рекомендована література

  1. Aurélien Géron. Hands-On Machine Learning with Scikit-Learn and TensorFlow: O’Reilly, 2017. – 718 p.
  2. Mohri M., Rostamizadeh A., Talwalkar A. Foundations of Machine Learning. MIT Press, 2012. 
  3. Andrew Ng. Machine Learning Yarning. – [Електронний ресурс]. – Режим доступу: https://nessie.ilab.sztaki.hu/~kornai/2020/AdvancedMachineLearning/Ng_MachineLearningYearning.pdf 
  4. Robert E. Schapire, Yoav Freund. Boosting: Foundations and Algorithms: MIT Press, 2012. – 544 p. – [Електронний ресурс]. – Режим доступу: https://direct.mit.edu/books/book-pdf/2091763/book_9780262301183.pdf 
  5. Hastie T., Tibshirani R, Friedman J. The Elements of Statistical Learning (2nd edition). Springer, 2009. 
  6. Machine learning. A First Course for Engineers and Scientists / Andreas Lindholm, Niklas Wahlström, Fredrik Lindsten, Thomas B. Schön // Cambridge University Press, 2021. – 275 p.
  7. Bishop C. M. Pattern Recognition and Machine Learning. Springer, 2006. 
  8.  Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis. Fundamental Concepts and Algorithms. Cambridge University Press, 2014. 
  9. Charu C. Aggarwal. Recommender Systems: Springer, 2016. – 518 p.
  10. Kishan G. Mehrotra Chilukuri K. Mohan HuaMing Huang. Anomaly Detection Principles and Algorithms: Springer. – 2017. – 229 p. – DOI: https://doi.org/10.1007/978-3-319-67526-8  
  11. Florentina Hristea, Cornelia Caragea. Natural Language Processing (NLP) and Machine Learning (ML)—Theory and Applications: MDPI, 2022. – 306 p. – DOI: https://doi.org/10.3390/books978-3-0365-5580-5 
  12. Yue Zhang, Zhiyang Teng. Natural Language Processing: A Machine Learning Perspective, 2021.
  13. Machine Learning in Computer Vision / N. Sebe, Ira Cohen, Ashutosh Garg, Thomas S. Huang// Springer, 2005. – 249 p. – [Електронний ресурс]. – Режим доступу:
    http://silverio.net.br/heitor/disciplinas/eeica/papers/Livros/[Sebe]%20-%20Machine%20Learning%20in%20Computer%20Vision.pdf  
  14. Cha Zhang, Yunqian Ma. Ensemble Machine Learning: Methods and Applications: Springer, 2012. – 331 p. – DOI: https://doi.org/10.1007/978-1-4419-9326-7

Силабус:

Завантажити силабус