Технології опрацювання та аналізу інформації (прикладна математика, 1.9)
Тип: На вибір студента
Кафедра: обчислювальної математики
Навчальний план
Семестр | Кредити | Звітність |
10 | 3 | Залік |
Лекції
Семестр | К-сть годин | Лектор | Група(и) |
10 | 16 | Вавричук В. Г. | ПМп-52м |
Практичні
Семестр | К-сть годин | Група | Викладач(і) |
10 | 16 | ПМп-52м | Вавричук В. Г. |
Опис курсу
Штучний інтелект та наука про дані є одними із найбільш актуальних спеціальностей на даний час, що перебувають на перетині прикладної математики та ІТ. Платформа Kaggle для змагань з науки про дані була заснована у 2010 році як стартап, а тепер є дочірньою компанією Google. Ця платформа є ефективним майданчиком для здобуття практики з аналізу даних. У курсі розглядається вирішення проблем з аналізу даних, поставлених на платформі Kaggle. Для цього викладаються основи застосування методів машинного навчання, попередньої обробки даних, дослідження труднощів пов’язаних з недонавчанням та перенавчанням.
Метою вивчення навчальної дисципліни є освоєння методів опрацювання та аналізу інформації та отримання відповідних навиків на базі платформи Kaggle.
Рекомендована література
1. https://pandas.pydata.org
2. Wes McKinney. Python for Data Analysis: Data Wrangling with pandas, NumPy, and Jupyter. – O’Reilly Media. – 2022
3. Aurelien Geron. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 3rd Edition. – O’Reilly Media, Inc. – 2022
4. Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani, Jonathan Taylor. An Introduction to Statistical Learning: with Applications in Python. – Springer. – 2023. – https://www.statlearning.com
5. Trevor Hastie, Robert Tibshirani, Jerome Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition. – https://hastie.su.domains/ElemStatLearn/