Архитектуры нейронных сетей для глубокого обучения

Зачетные единицы: 6

Семестр: 3

Курс: Основной

Язык курса: Английский

Цели

Студенты изучат методологии разработки программного обеспечения и технологии программирования, методы и средства разработки и анализа функциональных требований к проекту, теоретические основы глубокого обучения, современные технологические решения в области нейронных сетей и глубокого обучения, современные инструменты разработки нейронных сетей, план работ по разработке требований к системе, методы оценки и анализа результатов проекта, методы и средства организации проектных данных, методы организации нейронных сетей, способы настройки нейронных сетей, методы подготовки тестовых наборов данных, компоненты архитектуры нейронной сети, регламентные документы, методы и средства управления рисками, основные виды диагностических данных и способы их представления.
Студенты научатся применять методы и средства анализа функциональных требований к интеграционному решению, применять методы и средства разработки технических спецификаций для интеграционного решения, осуществлять выбор инструментов разработки нейронных сетей; осуществлять выбор типов нейронных сетей относительно задач проекта, составлять отчеты в соответствии с существующими стандартами, применять методологии разработки программного обеспечения, применять методологии управления проектами разработки программного обеспечения, использовать инструменты совместной разработки нейронных сетей, интерпретировать диагностические данные работоспособности решения, применять методы и средства управления рисками.
По окончанию курса студенты смогут планировать проектные работы, выбирать методики и шаблоны, осуществлять проектирование архитектуры нейронной сети, оценки соответствия состояния аналитических работ плановому, описание состояния аналитических работ в формате отчета, выбора инструментальных средств разработки, определения набора библиотек повторно используемых модулей, развертывания и настройки инструментов совместной разработки нейронных сетей, оценки качества тестовых наборов данных в соответствии с выбранной программой и методикой испытаний, определения областей применения процесса управления рисками, анализа и оценки выявленных рисков, выбора способов реагирования на них и выделения необходимых ресурсов.

Содержание

Основные темы занятий в рамках дисциплины:

  • Искусственные нейронные сети
  • Сверточные нейронные сети
  • Рекуррентные нейронные сети
  • Самоорганизующиеся карты
  • Машины Больцмана
  • Автокодировщики

Формат

Лекции и практические занятия

Оценка

Экзамен