Перейти к основному содержанию

Блоки

Пропустить Навигация

Навигация

  • Личный кабинет

    • Домашняя страница

    • Страницы сайта

      • Мои курсы

      • Теги

      • ФайлІнструкція для здобувачів освіти до вибору дисципл...

      • ГиперссылкаВибір дисциплін на 2025-2026 навчальний рік

      • ГиперссылкаВибір дисциплін на 2024-2025 навчальний рік

      • ФорумНовини сайту

      • ГиперссылкаІнструкція - основи роботи з системою Moodle

      • ГиперссылкаЦИВІЛЬНИЙ ЗАХИСТ

      • ПапкаНормативна база СЕЗН

      • ГиперссылкаВідновлення пароля

      • ФайлПам’ятка для користувача системи Moodle

      • ФайлСистема оцінки курсу

      • Обратная связьОцінка якості курсу

    • Мои курсы

    • Курсы

      • Факультети, кафедри

        • Біологічний факультет

        • Економічний факультет

        • Журналістики факультет

        • Інженерний навчально-науковий інститут ім. Ю.М. По...

        • Іноземної філології факультет

        • Математичний факультет

          • Кафедра загальної математики

          • Кафедра загальної та прикладної фізики

          • Кафедра комп'ютерних наук

          • Кафедра прикладної математики і механіки

          • Кафедра програмної інженерії

            • archive

            • Методи інтелектуального аналізу даних

            • Алгоритми та структури даних (Прикладна математика)

            • Технології Big Data

            • Машинне навчання (Математичні основи машинного нав...

            • Проєктування та аналіз обчислювальних алгоритмів

            • C/к Сучасні СУБД (Плюта Н. В.)

            • 2 Програмне забезпечення наукових досліджень (магі...

            • Автоматизоване тестування (Кудін О.В.)

            • Автоматизоване тестування Web-додатків (Кудін О.В.)

            • Адміністрування комп'ютерних систем (Горбенко В.І.)

            • Алгебра та геометрія Дисципліна вільного вибору ст...

            • Прикладні задачі машинного навчання

              • Общее

              • Модуль 1

              • Модуль №2

              • Модуль №3

              • Модуль №4

              • Модуль №5

              • Модуль №6

              • Індивідуальне завдання

                • ЗаданиеІндивідуальне завдання

              • Підсумковий контроль

          • Кафедра фундаментальної та прикладної математики

          • Практична підготовка математичного факультету

          • Інформація, Статистика Математичного факультету

        • Менеджменту факультет

        • Соціальної педагогіки та психології факультет

        • Соцiологiї та управлiння факультет

        • Факультет історії та міжнародних відносин

        • Факультет фізичного виховання, здоров'я та туризму

        • Філологічний факультет

        • Юридичний факультет

      • Аспірантура

      • Науково-технічна позашкільна освіта

      • Відділ доуніверситетської підготовки, профорієнтац...

      • Адміністративний розділ

      • Центр післядипломної освіти та професійних кваліфі...

      • Школа педагогічної майстерності

  • Закрыть
    Изменить данные поисковой строки
  • Русский ‎(ru)‎
    • Русский ‎(ru)‎
    • Українська ‎(uk)‎
    • Deutsch ‎(de_old)‎
    • English ‎(de)‎
    • English ‎(en)‎
    • Español - Internacional ‎(es)‎
    • Français ‎(fr)‎
    • Italiano ‎(it)‎
    • Polski ‎(pl)‎
  • Вход

Прикладні задачі машинного навчання

Закрыть
Изменить данные поисковой строки
Вибір дисциплін Свернуть Развернуть
Вибір дисциплін Свернуть Развернуть
Обрати дисципліни Статистика вибору дисциплін ВМУ
  1. Главная
  2. Курсы
  3. Факультети, кафедри
  4. Математичний факультет
  5. Кафедра програмної інженерії
  6. Прикладні задачі машинного навчання
  7. Індивідуальне завдання
  8. Індивідуальне завдання

Індивідуальне завдання

Требуемые условия завершения

1. Виконати описовий аналіз набору даних https://www.kaggle.com/datasets/aaron7sun/stocknews

2. Проаналізувати підходи до побудови гібридних моделей прогнозування ринку на основі новин.

3. Дослідити використання моделі FinBERT (https://huggingface.co/ProsusAI/finbert)

АБО

1. Ознайомитись з набором даних BirdCLEF+ 2025 (https://www.kaggle.com/competitions/birdclef-2025). Додатково ознайомитись з наборами BirdCLEF 2024,  BirdCLEF 2023, BirdCLEF 2022, BirdCLEF 2021

2. Виконати описовий аналіз даних.    

3. Виконати вилучення ознак. Порівняти різні методи. 

4. Побудувати модель класифікації. Переконатись в її точності та стабільності роботи. 

4. Вдосконалити моделі прогнозування застосувавши методи оптимізації гіперпараметрів моделі машинного навчання.  

Предыдущий акт. элемент
Kaggle набір даних
Следующий акт. элемент
Залік
Сводка хранения данных
Скачать мобильное приложение