Глубокое обучение

Цели и задачи дисциплины

Цель дисциплины - дать студентам теоретические знания и практические навыки по использованию технологий нейронных сетей для решения практических задач, связанных с применением методов искусственного интеллекта. В ходе обучения студенты знакомятся с типовыми архитектурами искусственных нейронных сетей, методами их обучения и проверки. На практических занятиях студенты применяют полученные знания к созданию на языке Python искусственной нейронной сети, распознающей рукописные цифры.

Краткое содержание дисциплины

Изложены наиболее важные понятия, определения и принципы построения нейронных сетей. В курс входят следующие разделы: - введение в искусственные нейронные сети, - градиентный спуск, - метод обратного распространения ошибки, - стоимостная функция на основе перекрестной энтропии, - переобучение нейронной сети и регуляризация, техники, улучшающие обучение нейронных сетей, - сверточные нейронные сети, - рекурентные нейронные сети, - автокодировщики, - история развития нейронных сетей.

Компетенции обучающегося, формируемые в результате освоения дисциплины

Выпускник должен обладать:

ПК-6 (ПК-7 модели) Способен осуществлять сбор и подготовку данных для систем искусственного интеллекта
ПК-9 (ПК-6 модели) Способен создавать и поддерживать системы искусственного интеллекта на основе нейросетевых моделей и методов
ПК-11 (ПК-5 модели) Способен использовать инструментальные средства для решения задач машинного обучения