Deep Learning

2021/2022

Academic Year

RUS

Instruction in Russian

5

ECTS credits

Delivered at:

Department of Informatics

Course type:

Elective course

When:

3 year, 3, 4 module

Instructor

Степанов Денис Вячеславович

Программа дисциплины

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». Основные положения данной дисциплины используются для освоения следующих дисциплин: «Анализ изображений», «Обработка естественного языка», «Распознавание и генерация речи».

Цель освоения дисциплины

• Целью освоения дисциплины «Глубинное обучение» является формирование у студентов теоретических знаний и практических навыков по основам построения больших нейронных сетей для глубинного обучения.

Планируемые результаты обучения

• Студент знает способы построения глубоких нейронных сетей
• Студент имеет навыки применения математического аппарата и алгоритмов
• Студент умеет применять глубинное обучение для решения характерных задач

Содержание учебной дисциплины

• Алгоритмы оптимизации и регуляризации
• Обработка и анализ изображений
• Обработка естественного языка, конкурентные и генеративные нейронные сети
• Оптимизация гиперпараметров, обучение с подкреплением

Элементы контроля

• Домашнее задание №1
  Домашнее задание №1 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 №2 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 №3
  Домашнее задание №3 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.

Промежуточная аттестация

• 2021/2022 учебный год 4 модуль
  Преподаватель учитывает оценку за текущий контроль (домашние задания). Онакопленная = (Од/з1 + Од/з2 + Од/з3)/3 Результирующая оценка за дисциплину рассчитывается следующим образом: ОРезультирующая= 0,5 Онакопленная+0,5 Оэкзамен На экзамене студенту не предоставляется возможность получить дополнительный балл для компенсации оценки за текущий контроль.

Список литературы

Рекомендуемая основная литература

• Alexander, D. (2020). Neural Networks: History and Applications. Nova.
• Iba, H. (2018). Evolutionary Approach to Machine Learning and Deep Neural Networks : Neuro-Evolution and Gene Regulatory Networks. Singapore: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1833749

Рекомендуемая дополнительная литература

• Taweh Beysolow II. (2017). Introduction to Deep Learning Using R. Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsrep&AN=edsrep.b.spr.sprbok.978.1.4842.2734.3

Авторы

• Шпильман Алексей Александрович