- 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
- Образование
- Учебный план 09.04.04, 2022, (2.0), Программная инженерия
- Современные нейросетевые технологии