Прикладная математика и информатика

Статус:: Курс по выбору

Когда читается:: 3-й курс, 3, 4 модуль

Преподаватель

Елисеев Игорь Евгеньевич

Дополнительные материалы в LMS Задать вопрос

Аннотация

Глубинное обучение – популярная область, в которой используются нейронные сети сложной архитектуры. Подобные системы дают лучшие результаты в таких областях, как обработка изображений, видео, звука и текста. В рамках курса будут рассмотрены основные типы архитектур, принципы работы и обучения глубоких нейронных сетей, а также проведены практические занятия по вышеупомянутым областям применения. Является дисциплиной по выбору. Для освоения дисциплины необходимы компетенции, полученные в ходе изучения дисциплин «Машинное обучение», «Методы оптимизации».

Цель освоения дисциплины

Формирование у студентов теоретических знаний и практических навыков по основам построения больших нейронных сетей для глубинного обучения.

Планируемые результаты обучения

Узнать способы построения глубоких нейронных сетей
Умеет применять глубинное обучение для решения характерных задач
Имеет навыки применения математического аппарата и алгоритмов работы с глубинными нейронными сетями

Содержание учебной дисциплины

Раздел 1. Алгоритмы оптимизации и регуляризации
Раздел 2. Обработка и анализ изображений
Раздел 3. Обработка естественного языка, конкурентные и генеративные нейронные сети
Раздел 4. Оптимизация гиперпараметров, обучение с подкреплением

Элементы контроля

Домашнее задание №1
Домашнее задание No1 выдается студентам в одном варианте и состоит из 3 задач. Срок выполнения домашнего задания - 4 недели. Форма представления обучающимися домашнего задания – реализованный на любом языке программирования алгоритм.
Домашнее задание №2
Домашнее задание No2 выдается студентам в одном варианте и состоит из 3 задач. Срок выполнения домашнего задания - 4 недели. Форма представления обучающимися домашнего задания - реализованный на любом языке программирования алгоритм.
Устный экзамен
Устный экзамен проводится в форме ответов на вопросы экзаменационного билета. Экзаменационный билет содержит два вопроса из перечня вопросов к экзамену. Возможны дополнительные вопросы, в случае если экзаменуемый недостаточно подробно ответил на вопросы билета. На подготовку ответа выделяется 2,5 часа.
Домашнее задание №3
Домашнее задание No3 выдается студентам в одном варианте и состоит из 3 задач. Срок выполнения домашнего задания - 4 недели. Форма представления обучающимися домашнего задания - реализованный на любом языке программирования алгоритм.

Промежуточная аттестация

2024/2025 4th module
Преподаватель учитывает оценку за текущий контроль (домашние задания). Онакопленная = (Од/з1 + Од/з2 + Од/з3) : 3 Действует следующий способ округления накопленной оценки за текущий контроль: при значениях от 0,1 до 0,4 оценка округляется в меньшую сторону, от 0,5 до 0,9 – в большую. На экзамене студенту не предоставляется возможность получить дополнительный балл для компенсации оценки за текущий контроль. Результирующая оценка за дисциплину рассчитывается следующим образом: ОРезультирующая= 0,5 Онакопленная+0,5 Оэкзамен

Список литературы

Авторы

Кузнецов Антон Михайлович