Нейросетевые технологии в задачах синтетических медиа

Цели и задачи дисциплины

Сформировать у магистрантов системное представление о современных нейросетевых и генеративных технологиях, применяемых для создания и анализа синтетических медиа. Сформировать практические навыки применения и экспериментального исследования генеративных моделей для работы с текстом, речью, аудио и изображениями, включая большие языковые модели, retrieval-augmented generation, модели синтеза и распознавания речи, генеративно-состязательные и диффузионные модели. Научить выбирать и применять современные методы оценки качества и надежности генеративных моделей, проводить вычислительные эксперименты, анализировать результаты и ограничения моделей.

Краткое содержание дисциплины

В рамках дисциплины рассматриваются современные нейросетевые и генеративные технологии создания и анализа синтетических медиа. Изучаются эволюция генеративных моделей, механизм внимания и архитектура Transformer, большие языковые модели и RAG, методы распознавания, представления, верификации и синтеза речи, а также генеративные модели изображений, включая GAN и диффузионные модели. Практическая часть направлена на применение и экспериментальное исследование моделей, сравнение подходов, оценку качества и анализ ограничений генерируемого контента.

Компетенции обучающегося, формируемые в результате освоения дисциплины

Выпускник должен обладать:

ПК-3 Способен разрабатывать и применять методы и алгоритмы машинного обучения для решения задач