Суперкомпьютерное моделирование мехатронных систем

Цели и задачи дисциплины

Цель освоения дисциплины "Машинное обучение" состоит в развитии у студентов представления о методах и алгоритмах машинного обучения и его применении в интеллектуальных системах автоматизации в промышленности. Задачами курса является ознакомление студентов с задачами, принципами, методами и подходами машинного обучения, в том числе нейросетевого моделирования; приобретение ими теоретических знаний, и практических умений и навыков в области исследования задач анализа данных и их решения методами машинного обучения. Новизна курса заключается в освоении современных, актуальных алгоритмов обработки данных.

Краткое содержание дисциплины

В рамках курса рассматриваются алгоритмы классического машинного обучения, обучения с подкреплением, ансамблевых методов, а также структура, методы построения и принципы функционирования нейронных сетей. В процессе освоения дисциплины практические навыки будут формироваться за счёт выполнения практических и лабораторных работ. Вид промежуточной аттестации - дифференцированный зачёт.

Компетенции обучающегося, формируемые в результате освоения дисциплины

Выпускник должен обладать:

ОПК-4 Способен использовать современные информационные технологии и программные средства при моделировании технологических процессов
ОПК-11 Способен организовывать разработку и применение алгоритмов и современных цифровых программных методов расчетов и проектирования отдельных устройств и подсистем мехатронных и робототехнических систем с использованием стандартных исполнительных и управляющих устройств, средств автоматики, измерительной и вычислительной техники в соответствии с техническим заданием, разрабатывать цифровые алгоритмы и программы управления робототехнических систем
ОПК-13 Способен использовать основные положения, законы и методы естественных наук и математики при формировании моделей и методов исследования мехатронных и робототехнических систем