chaikalef / ml_dm_hse_minor

Репозиторий майнора "Интеллектуальный анализ данных" ФКН НИУ ВШЭ (2016 г.)

Майнор "Интеллектуальный анализ данных"
2016 ФКН НИУ ВШЭ

Интеллектуальный анализ данных (Data Mining) - это процесс обнаружения в "сырых" данных конкретных знаний, необходимых для принятия решений в различных сферах человеческой деятельности. Распространение информационных технологий привело к детальному протоколированию всех процессов бизнеса, производства и жизни человека. Это позволило оперативно собирать и накапливать огромные массивы данных, анализ которых является нетривиальной проблемой, но приносит колоссальную пользу. Можно привести множество примеров уже существующих интеллектуальных систем - от поисковых систем в Интернете до распознавания речи и управления компьютером жестами. Несмотря на достигнутые успехи, большинство проблем анализа данных являются открытыми, и можно ожидать бурного прогресса в этой области на протяжении ближайших 20-30 лет и, как следствие, востребованность специалистов, знакомых с основами интеллектуального анализа данных.

Курсы майнора:

• "Введение в программирование"
• "Введение в анализ данных"
• "Современные методы машинного обучения"
• "Прикладные задачи анализа данных"

1 курс. "Введение в программирование"

• Семинар 1. Введение в программирование. Знакомство c интерпретатором и со средой разработки PyCharm.
• Семинар 2. Простые типы данных. Числа и операции над ними. Условный оператор.
• Семинар 3. Циклы.
• Семинар 4. Строки. Алгоритмы на строках.
• Семинар 5. Списки и кортежи.
• Семинар 6. Словари. Множества.
• Семинар 7. Функции. Рекурсия.
• Семинар 8. Работа с файлами.
• Семинар 9. Контрольная работа.
• Семинар 10. Алгоритмы. Сортировка и поиск. Задачи на линейный и бинарный поиск.
• Семинар 11. Структуры данных. Задачи на использование различных структур данных хранения.
• Семинар 12. Элементарные задачи на графы. Способы задания графов. Обход в глубину. Обход в ширину.
• Семинар 13. Работа с библиотеками NumPy, Matplotlib, Seaborn.
• Семинар 14. Работа с библиотекой Pandas.
• Семинар 15. Работа со стандартной библиотекой.

2 курс. "Введение в анализ данных"

• Семинар 1. Введение в машинное обучение.
• Семинар 2. Python для анализа данных. Средства визуализации. Pandas, Matplotlib, Seaborn.
• Семинар 3. Линейная алгебра и Python. NumPy, SciPy.
• Семинар 4. Математический анализ и Python. SymPy.
• Семинар 5. Теория вероятностей и Python.
• Семинар 6. Математическая статистика и Python.
• Семинары 7 и 8. Линейные модели в машинном обучении.
• Семинары 9 и 10. Оценка качества алгоритмов машинного обучения.
• Семинары 11 и 12. Композиции алгоритмов. Случайный лес и бустинг.
• Семинары 13 и 14. Продвинутые методы классификации и регрессии. Xgboost. Блендинг.
• Семинары 15 и 16. Обучение без учителя.

3 курс. Модуль 1. "Современные методы машинного обучения"

• Семинар 1. Ядра и метод опорных векторов.
• Семинар 2. Методы оптимизации.
• Семинар 3. Методы обработки данных.
• Семинар 4. Бустинг.
• Семинар 5. Матричные разложения.
• Семинар 6. Нейронные сети.

3 курс. Модуль 2. "Прикладной статистический анализ"

• Семинар 1. Распределения и статистики.
• Семинар 2. Проверка гипотез.
• Семинар 3. Анализ зависимостей.
• Семинар 4. Регрессия.
• Семинар 5. Прогнозирование временных рядов.
• Семинар 6. Множественная проверка гипотез.