"डेटा विश्लेषण और मशीन लर्निंग" - पाठ्यक्रम 120,000 रूबल। एमएसयू से, 48 सप्ताह का प्रशिक्षण। (12 महीने), दिनांक: 16 फरवरी, 2023।
अनेक वस्तुओं का संग्रह / / November 27, 2023
पेशेवर पुनर्प्रशिक्षण कार्यक्रम "डेटा विश्लेषण और मशीन लर्निंग" का उद्देश्य कंप्यूटर के क्षेत्र में विशेषज्ञों को प्रशिक्षित करना है डेटा माइनिंग और मशीन का उपयोग करके सॉफ़्टवेयर सिस्टम विकसित करने में सक्षम प्रौद्योगिकियाँ प्रशिक्षण।
एप्लाइड प्रोग्रामिंग और डेटाबेस से संबंधित छात्रों में व्यावसायिक दक्षताओं का निर्माण डेटा विश्लेषण और मशीन के क्षेत्र में "विशेषज्ञ" योग्यता प्राप्त करने के लिए आवश्यक डेटा प्रशिक्षण"
सीखने की प्रक्रिया में पायथन प्रोग्रामिंग भाषा, ज्यूपिटर इंटरएक्टिव डेवलपमेंट एनवायरनमेंट, मशीन लर्निंग के लिए स्किकिट-लर्न सॉफ्टवेयर लाइब्रेरी और अन्य का उपयोग किया जाता है।
मशीन लर्निंग कृत्रिम बुद्धिमत्ता का एक व्यापक उपक्षेत्र है जो सीखने वाले एल्गोरिदम के निर्माण के तरीकों का अध्ययन करता है। मशीन लर्निंग डेटा विश्लेषण और बुद्धिमान सूचना प्रणाली के निर्माण के लिए मुख्य आधुनिक दृष्टिकोण है। मशीन लर्निंग विधियाँ सभी कंप्यूटर विज़न विधियों का आधार हैं और छवि प्रसंस्करण में सक्रिय रूप से उपयोग की जाती हैं। पाठ्यक्रम में कई व्यावहारिक रूप से लागू एल्गोरिदम शामिल हैं।
आवेदन आवश्यकताएं
पुनर्प्रशिक्षण कार्यक्रम के आवेदकों के पास उच्च या माध्यमिक विशेष शिक्षा होनी चाहिए। प्रक्रियात्मक भाषाओं में प्रोग्रामिंग का अनुभव वांछनीय है।
प्रशिक्षण मोड
कार्यक्रम 1 वर्ष के अध्ययन के लिए डिज़ाइन किया गया है: 16 फरवरी, 2023 से 31 जनवरी, 2024 तक।
वॉल्यूम 684 घंटे.
दस्तावेजों की स्वीकृति 20 दिसंबर से 28 फरवरी तक।
व्यक्तिगत शैक्षिक प्रक्षेपवक्र के अनुसार किसी अनुसूची के संदर्भ के बिना कक्षाएं।
व्यावसायिक पुनर्प्रशिक्षण में मॉस्को स्टेट यूनिवर्सिटी डिप्लोमा प्राप्त करने के लिए, आपको पाठ्यक्रम पूरा करना होगा और एक अंतिम थीसिस तैयार करनी होगी।
अंतिम कार्य एक सॉफ्टवेयर सिस्टम का स्वतंत्र विकास है।
1. कार्यक्रम में नामांकन के लिए, आपको निम्नलिखित दस्तावेज़ (हाथ से या इलेक्ट्रॉनिक रूप से) भरने होंगे और उन्हें [email protected] पर भेजना होगा:
2. प्रस्तुत दस्तावेजों के आधार पर, एक प्रशिक्षण समझौता तैयार किया जाएगा।
3. अनुबंध पर हस्ताक्षर करने के बाद, भुगतान के लिए दस्तावेज़ भेजे जाते हैं: अगस्त-सितंबर।
4. भुगतान के बाद आप प्रशिक्षण शुरू करते हैं।
सूचना सुरक्षा विभाग के प्रोफेसर, प्रमुख। आईसीयू प्रयोगशाला
शैक्षणिक डिग्री: तकनीकी विज्ञान के डॉक्टर। विज्ञान
सुखोमलिन व्लादिमीर अलेक्जेंड्रोविच, मॉस्को स्टेट यूनिवर्सिटी के सम्मानित प्रोफेसर, प्रोफेसर, तकनीकी विज्ञान के डॉक्टर, ओपन इंफॉर्मेशन टेक्नोलॉजीज (ओआईटी) की प्रयोगशाला के प्रमुख।
1976 में वीएमके की अकादमिक परिषद में भौतिक और गणितीय विज्ञान के क्षेत्र में उम्मीदवार के शोध प्रबंध का बचाव किया गया था।
1989 में यूएसएसआर एकेडमी ऑफ साइंसेज के कंप्यूटर विज्ञान और प्रौद्योगिकी संस्थान में परिषद में 05.13.11 को विशेषज्ञता में अपने डॉक्टरेट शोध प्रबंध का बचाव किया, शोध प्रबंध का विषय जटिल रेडियो इंजीनियरिंग प्रणालियों के मॉडलिंग से संबंधित है।
1992 में प्रोफेसर की अकादमिक उपाधि से सम्मानित किया गया।
स्मारक पदक "मॉस्को के 800 वर्ष" से सम्मानित किया गया।
2000-2002 में एक नई वैज्ञानिक और शैक्षिक दिशा "सूचना प्रौद्योगिकी" की अवधारणा और राज्य मानक विकसित किए। 2002 में रूसी शिक्षा मंत्रालय द्वारा इन विकासों के आधार पर। दिशा 511900 "सूचना प्रौद्योगिकी" बनाई गई और इसे लागू करने के लिए एक प्रयोग किया गया। 2006 में, लेखक की पहल पर इस दिशा का नाम बदलकर "मौलिक सूचना विज्ञान और सूचना प्रौद्योगिकी" (FIIT) कर दिया गया। फिलहाल यह निर्देश देश के 40 से ज्यादा विश्वविद्यालयों में लागू किया जा रहा है।
सुखोमलिन वी.ए. - "मौलिक कंप्यूटर विज्ञान और सूचना प्रौद्योगिकी" की दिशा में दूसरी और तीसरी पीढ़ी के स्नातक और मास्टर के लिए राज्य मानकों के विकासकर्ता।
कृत्रिम बुद्धिमत्ता का परिचय
पाठ्यक्रम का लक्ष्य छात्रों को कृत्रिम बुद्धिमत्ता समस्याओं और विधियों का व्यापक अवलोकन देना है।
व्याख्यान 1.1
तार्किक अनुमान विधियाँ
व्याख्यान 1.2
समाधान ढूँढना, योजना बनाना, शेड्यूल करना
व्याख्यान 1.3
यंत्र अधिगम
व्याख्यान 1.4
मानव-मशीन संपर्क
पायथन में प्रोग्रामिंग
अनुशासन का अध्ययन करने का उद्देश्य पायथन भाषा और उसके पुस्तकालयों का उपयोग करके सॉफ्टवेयर विकास के उपकरणों और तरीकों में महारत हासिल करना है।
व्याख्यान 2.1
अनुप्रयोग संरचना
व्याख्यान 2.2
सबसे महत्वपूर्ण पायथन मानक लाइब्रेरी मॉड्यूल और पैकेज का अवलोकन
व्याख्यान 2.3
पायथन में ऑब्जेक्ट और क्लासेस
व्याख्यान 2.4
पायथन में कार्यात्मक प्रोग्रामिंग के तत्व
व्याख्यान 2.5
जेनरेटर। पुनरावर्तक
व्याख्यान 2.6
मल्टीथ्रेडेड प्रोग्रामिंग
व्याख्यान 2.7
नेटवर्क प्रोग्रामिंग
व्याख्यान 2.8
डेटाबेस के साथ कार्य करना
असतत गणित11
पाठ्यक्रम सामग्री को पाँच खंडों में विभाजित किया गया है: गणितीय उपकरण; अनुक्रम; रेखांकन; बूलियन कार्य; कोडिंग सिद्धांत.
व्याख्यान 3.1
विषय 1.1. गणितीय तर्क की भाषा
व्याख्यान 3.2
विषय 1.2. सेट
व्याख्यान 3.3
विषय 1.3. द्विआधारी रिश्ते
व्याख्यान 3.4
विषय 1.4. गणितीय प्रेरण की विधि
व्याख्यान 3.5
विषय 1.5. साहचर्य
व्याख्यान 3.6
विषय 2.1. पुनरावृत्ति संबंध
व्याख्यान 3.7
विषय 3.1. ग्राफ़ के प्रकार
व्याख्यान 3.8
विषय 3.2. भारित ग्राफ़
व्याख्यान 3.9
विषय 4.1. बूलियन फ़ंक्शंस का प्रतिनिधित्व
व्याख्यान 3.10
विषय 4.2. बूलियन फ़ंक्शन क्लासेस
व्याख्यान 3.11
विषय 5.1. कोडिंग सिद्धांत
संभाव्यता और गणितीय सांख्यिकी का सिद्धांत
व्याख्यान 4.1
विषय 1.1. संभाव्यता की अवधारणा
व्याख्यान 4.2
विषय 1.2. प्राथमिक प्रमेय
व्याख्यान 4.3
विषय 1.3. यादृच्छिक चर
व्याख्यान 4.4
विषय 2.1. सांख्यिकीय डेटा प्रोसेसिंग
व्याख्यान 4.5
विषय 2.2. गणितीय सांख्यिकी की समस्याएँ
मशीन सीखने के तरीके
पाठ्यक्रम मिसाल के आधार पर सीखने के मुख्य कार्यों की जांच करता है: वर्गीकरण, क्लस्टरिंग, प्रतिगमन, आयामीता में कमी। उन्हें हल करने के तरीकों का अध्ययन किया जा रहा है, पिछले 10-15 वर्षों में बनाए गए शास्त्रीय और नए दोनों। चर्चा की गई विधियों की गणितीय नींव, संबंधों, शक्तियों और सीमाओं की गहन समझ पर जोर दिया गया है। प्रमेय अधिकतर बिना प्रमाण के दिए जाते हैं।
व्याख्यान 6.1
मशीन लर्निंग की गणितीय नींव
व्याख्यान 6.2
लागू समस्याओं की बुनियादी अवधारणाएँ और उदाहरण
व्याख्यान 6.3
रैखिक क्लासिफायरियर और स्टोकेस्टिक ग्रेडिएंट
व्याख्यान 6.4
तंत्रिका नेटवर्क: ग्रेडिएंट अनुकूलन विधियाँ
व्याख्यान 6.5
मीट्रिक वर्गीकरण और प्रतिगमन विधियाँ
व्याख्यान 6.6
समर्थन वेक्टर यंत्र
व्याख्यान 6.7
बहुभिन्नरूपी रैखिक प्रतिगमन
व्याख्यान 6.8
अरेखीय प्रतिगमन
व्याख्यान 6.9
मॉडल चयन मानदंड और सुविधा चयन विधियाँ
व्याख्यान 6.10
तार्किक वर्गीकरण विधियाँ
व्याख्यान 6.11
क्लस्टरिंग और आंशिक प्रशिक्षण
व्याख्यान 6.12
एप्लाइड मशीन लर्निंग मॉडल
व्याख्यान 6.13
बिना पर्यवेक्षित शिक्षण के साथ तंत्रिका नेटवर्क
व्याख्यान 6.14
पाठ और ग्राफ़ का वेक्टर प्रतिनिधित्व
व्याख्यान 6.15
रैंकिंग प्रशिक्षण
व्याख्यान 6.16
अनुशंसा प्रणाली
व्याख्यान 6.17
अनुकूली पूर्वानुमान के तरीके