Современные архитектуры глубоких искусственных нейронных сетей

Цели и задачи дисциплины

Цель дисциплины – познакомить студентов с теорией и практикой глубокого обучения нейронных сетей. В данной дисциплине рассматривается процесс создания и применения нейронных сетей. В первую очередь ставится цель объяснить основополагающие теоретические идеи и практические приёмы, использующиеся при обучении различных нейросетевых моделей. Материал фокусируется как на алгоритмах, лежащих в основе обучения нейронных сетей, так и на практическом применении полученных знаний. Задачи дисциплины: -изучение теоретических основ искусственных нейронных сетей; -знакомство с современными архитектурами нейронных сетей; -формирование умений и навыков решения практических задач с применением глубокого обучения.

Краткое содержание дисциплины

В данной дисциплине изучаются: глубокие нейронные сети (полносвязные нейронные сети, сверточные нейронный сети, рекуррентные нейронные сети); оптимизация в обучении глубоких моделей; контроль качества обучения, нормализация и регуляризация, дропаут и нормализация по мини-батчам; основные приемы обработки естественного языка; перенос обучения (transfer learning) глубоких нейронных сетей.

Компетенции обучающегося, формируемые в результате освоения дисциплины

Выпускник должен обладать:

ПК-8 (ПК-5 модели) Способен использовать инструментальные средства для решения задач машинного обучения
ПК-9 (ПК-6 модели) Способен создавать и поддерживать системы искусственного интеллекта на основе нейросетевых моделей и методов
ПК-10 (ПК-7 модели) Способен осуществлять сбор и подготовку данных для систем искусственного интеллекта
ПК-11 (ПК-8 модели) Способен разрабатывать системы анализа больших данных