Ферганский филиал

Зав. кафедрой ИОТ: __________ С.М. Абдурахмонов
^{(подпись)}
Рабочая программа обсуждена и утверждена на заседании Учебно-Методического Совета факультета «Телекоммуникационные технологии и профобразования» (протокол № 1 от «____» августа 2020 г.)


Декан факультета «Телекоммуникационные
технологии и профобразования» : __________ Б. Толипов
^{(подпись)}
СОГЛАСОВАНО:
Начальник
учебно-методического отдела: __________ Ш. Умаров
^{(подпись)}

Программа курса

Код	IML1416
Называния	ВВЕДЕНИЕ В МАШИННОЕ ОБУЧЕНИЕ
ECTS кредит	6
Учебный год	2020-2021
семестр	5-6

Данные о проподавателей

Преподаватель	Мирзакулов А.
Практическая	Абдуллажонова Н
Кафедра	Информационно образователные технологии
Телефон	90 - 580 3443
Аудитория	TATU FF, 2 здания, 2- этаж, 210-аудитория
E-mail	[e-mail]

Содержание дисциплины
Цель обучения студентов предмету введения в машинное обучение - научить студентов использовать алгоритмы машинного обучения, создать обучающий образец и моделирование на основе моделирования, а также построить простые нейронные сети и использовать специальное инструментальное программное обеспечение. заключается в развитии навыков приобретения.
Задача дисциплины - сформировать у студентов теоретические знания, практические навыки, современные методы и инструменты машинного обучения.
Требования к изучающим науку
Базовые понятия линейной алгебры, базовые знания теории вероятностей
Результаты преподавания предмета (формируемые компетенции)
В результате освоения дисциплины студенты:

• 
  иметь понимание основных понятий линейной алгебры, теории вероятностей, основ программирования, инструментальных программных средств, необходимых для машинного обучения;
  
• 
  Построить модель регрессии, создать модели линейной регрессии с одной и многими переменными и определить их ошибку;
  
• 
  Уметь выполнять скалярные операции над векторами и матрицами в среде Matlab / Python, знать и использовать специальные функции;
  
• 
  создать учебник, работать с существующими выборками, обучить модели и тем самым решить проблему классификации и кластеризации;
  
• 
  иметь навыки построения и обучения простых нейронных сетей, использовать машинное обучение для классификации изображений или других целей.
  
  

СОДЕРЖАНИЕ УЧЕБНОГО МАТЕРИАЛА
План лекционные занятие по дисциплины

№