Course Description
Целями изучения дисциплины являются изучение методов и подходов к анализу данных различного объема, включая предварительную обработку данных и статистический анализ, освоение различных моделей машинного обучения, предназначенных для решения задач кластеризации, классификации и регрессии и применение их для решения прикладных задач из различных сфер человеческой деятельности.
Copyright holder
ФГБОУ ВО «Алтайский государственный университет»
Course content
Тема 1. Библиотеки NumPy и Pandas
Тема 2. Визуализация данных
Тема 3. Основы теории вероятностей и математической статистики
Тема 4. Методы машинного обучения
Requirements
Нет
Learning outcomes
В результате освоения дисциплины обучающийся должен
Знать: Основные технологии анализа данных.
Уметь: Строить автоматизированные модели анализа данных.
Иметь навыки и (или) опыт деятельности (владеть): Навыками анализа данных на примере решения задач кластеризации, классификации, прогнозирования.
Competencies
ПК-1 : Способен осуществлять аналитические работы с использованием языка Python
ПК-2: Способен создавать модели машинного обучения для принятия решений основе данных
ПК-3: Способность разрабатывать и применять математические методы, системное и прикладное программное обеспечение, автоматизированные системы вычислительных комплексов, сервисы, операционные системы и распределенные базы данных для решения задач производственно-технологической деятельности.
Recommended areas of training
01.03.02 Прикладная математика и информатика
02.03.02 Фундаментальная информатика и информационные технологии