• A
  • A
  • A
  • ABC
  • ABC
  • ABC
  • А
  • А
  • А
  • А
  • А
Regular version of the site

Deep Learning

2023/2024
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

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».
Цель освоения дисциплины

Цель освоения дисциплины

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

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

Элементы контроля

  • неблокирующий 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.
  • блокирующий 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.
  • неблокирующий 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.
  • неблокирующий 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.
Промежуточная аттестация

Промежуточная аттестация

  • 2023/2024 учебный год 4 модуль
    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

Список литературы

Рекомендуемая основная литература

  • Introduction to deep learning, Charniak, E., 2018

Рекомендуемая дополнительная литература

  • 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

Авторы

  • Кузнецов Антон Михайлович