Современные нейросетевые технологии

Цели и задачи дисциплины
Цель дисциплины: формирование у студентов теоретических и практических знаний о современных нейросетевых технологиях, основах проектирования архитектуры нейронных сетей, методах глубокого обучения. Задачи дисциплины: -формирование базового понятийного аппарата принципов функционирования искусственных нейронных сетей и методов их обучения; -знакомство с современными нейросетевыми технологиями; - изучение средств разработки и проектирования искусственных нейронных сетей; -формирование умений и навыков решения практических задач с применением глубокого обучения.
Краткое содержание дисциплины
В процессе обучения изучаются: глубокие нейронные сети (многослойный персептрон, сверточные нейронный сети, рекуррентные и рекурсивные сети); оптимизация в обучении глубоких моделей; проблемы оптимизации нейронных сетей (основные алгоритмы: стохастический градиентный спуск; импульсивный метод; метод Нестерова; алгоритмы с адаптивной скоростью обучения: AdaGrad; RMSProp; Adam); обзор библиотек глубокого обучения; открытые библиотеки глубокого обучения: библиотека Caffe, библиотека Torch, библиотека TensorFlow (Python); автокодировщик и стек; разверточные нейронные сети; ограниченная машина Больцмана; глубокая машина Больцмана (Deep Boltzmann machine, DBM); глубокая доверительная сеть; перенос обучения (transfer learning) глубоких нейронных сетей.
Компетенции обучающегося, формируемые в результате освоения дисциплины
Выпускник должен обладать:
  • ПК-2 Способен разрабатывать и применять методы и алгоритмы машинного обучения для решения задач искусственного интеллекта
Вы нашли ошибку в тексте:
Просто нажмите кнопку «Сообщить об ошибке» — этого достаточно. Также вы можете добавить комментарий.