В области науки о данных наша учебная программа включала множество моделей машинного обучения, включая логистическую регрессию (в трех ее типах: бинарную, мультиномиальную и порядковую). Благодаря практическим упражнениям и интерактивным сессиям студенты получили глубокое понимание фундаментальных концепций, таких как матрицы путаницы, точность, прецизионность и тонкости различных алгоритмов классификации. Эти алгоритмы включали логистическую регрессию, наивный Байес, K-ближайших соседей, деревья решений, случайные леса и машины опорных векторов. Кроме того, мы углубились в понимание ошибок в работе модели, исследуя такие понятия, как смещение в сравнении с дисперсией, переобучение, недостаточное соответствие, кривые обучения, регуляризация и методы оптимизации.

В области обработки естественного языка (NLP) студенты были погружены в методы языкового моделирования. Были проведены подробные обсуждения модели логистической регрессии, разъясняющие ее предпосылки как в генеративном, так и в дискриминативном классификаторах. Обучение было сосредоточено на понимании потери перекрестной энтропии и применении стохастического градиентного спуска для оптимизации модели.

Уроки проводились в виде сочетания лекций, интерактивных дискуссий, практических упражнений и практических проектов. Тематические исследования и примеры из реальной жизни были включены в учебную программу, чтобы дать практическую информацию и развить навыки критического мышления. Кроме того, студенты имели доступ к дополнительным ресурсам, включая материалы для чтения, онлайн-руководства и упражнения по программированию, чтобы углубить свое понимание и закрепить полученные знания.

Такой комплексный подход гарантировал, что студенты не только усвоили теоретические концепции, но и развили практические навыки, необходимые для успешной карьеры в динамично развивающихся областях информационных и цифровых технологий. Наше сотрудничество с Astana Hub сыграло ключевую роль в обеспечении благоприятной среды и возможностей для налаживания контактов для студентов, которые могут преуспевать и расти как будущие технологические лидеры в Казахстане.