Deep Learning

2024/2025

Academic Year

RUS

Instruction in Russian

5

ECTS credits

Course type:

Elective course

When:

3 year, 3, 4 module

Instructor

Eliseev, Igor

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

• 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

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