Цели и задачи дисциплины
Целью дисциплины является обучение студентов основам сбора, анализа и формирования наборов данных для моделей машинного обучения процесса непрерывной разливки стали на МНЛЗ. В процессе сбора, анализа и формирования наборов данных технологического процесса необходимо оценить влияние факторов на снижение количества дефектов.
Задачи: Ознакомление студентов с теоретическими основами и основными принципами машинного обучения — а именно, с классами моделей (линейные, логические, нейросетевые), метриками качествами и подходами к подготовке данных.
Формирование у студентов практических навыков работы с данными и решения прикладных задач анализа данных.
Краткое содержание дисциплины
Дисциплина изучается во втором семестре. Общая трудоёмкость дисциплины составляет 108 ч. Зачётных единиц 3. Контактная работа 38,25 ч. По результат освоения дисциплины диф. зачет.
Краткое содержание дисциплины: Кластеризация. По представленному набору данных студенты производят разбиение множества на группы оптимизируя метрики; Классификация. Студенты разрабатывают рекомендательную систему. В качестве набора данных используется набор «МНЛЗ»; Деревья решений. Студенты сравнивают эффективности деревьев решений на представленных наборах данных; Бустинг. Разработка системы согласования экспертных оценок по представленному набору данных. Предшествующие дисциплины: основы программирования на языке Python, искусственный интеллект и машинное обучение, теория и технология процессов производства стали. Последующие дисциплины цифровизация процесса непрерывной разливки стали, производственная практика - научно-исследовательская работа.