We use cookies in order to improve the quality and usability of the HSE website. More information about the use of cookies is available here, and the regulations on processing personal data can be found here. By continuing to use the site, you hereby confirm that you have been informed of the use of cookies by the HSE website and agree with our rules for processing personal data. You may disable cookies in your browser settings.

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

Deep Learning

2024/2025
Academic Year
RUS
Instruction in Russian
6
ECTS credits
Delivered at:
Department of Informatics
Course type:
Compulsory course
When:
2 year, 1, 2 module

Instructor

Программа дисциплины

Аннотация

Является дисциплиной по выбору. Глубокое 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. Для освоения дисциплины необходимы знания в области машинного обучения.
Цель освоения дисциплины

Цель освоения дисциплины

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

Планируемые результаты обучения

  • Знает способы построения глубоких нейронных сетей.
  • Умеет применять глубокое обучение для решения характерных задач.
  • Имеет навыки применения математического аппарата и алгоритмов работы с глубокими 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 №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.
  • неблокирующий 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.
  • блокирующий 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 №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.
Промежуточная аттестация

Промежуточная аттестация

  • 2024/2025 2nd module
    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
Список литературы

Список литературы

Рекомендуемая основная литература

  • Siddhartha Bhattacharyya, Vaclav Snasel, Aboul Ella Hassanien, Satadal Saha, & B. K. Tripathy. (2020). Deep Learning : Research and Applications. De Gruyter.

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

  • Радько Степан Владимирович