2025/2026
Глубинное обучение
Статус:
Маго-лего
Где читается:
Факультет компьютерных наук
Когда читается:
3 модуль
Охват аудитории:
для своего кампуса
Преподаватели:
Блуменау Марк Ильич
Язык:
русский
Кредиты:
3
Контактные часы:
22
Программа дисциплины
Аннотация
Курс посвящен современным методам глубокого обучения, базовые знания которых на сегодняшний день являются обязательными для специалистов по анализу данных. В курсе будут рассмотрены применение данных методов к практическим задачам, в том числе обработке изображений, естественного языка, звука и многих других.
Цель освоения дисциплины
- По окончании курса студенты будут: • знать принципы построения нейросетей • владеть навыками работы с библиотекой pytorch • владеть навыками обучения и использования нейросетей • знать наиболее часто используемые архитектуры • уметь распознавать задачи, которые потенциально можно решить при помощи методов глубинного обучения
Планируемые результаты обучения
- Уметь применять алгоритмы NLP для решения широкого спектра задач автоматической обработки текстов.
- Понимать устройство архитектуры трансформер.
- Уметь применять трансформерные языковые модели для широкого спектра задач.
- Знать базовые принципы работы со звуковыми данными с помощью методов глубинного обучения.
- Уметь решать базовые задачи, связанные с обработкой звуковых данных.
- Уметь решать задачи связанные с распознаванием речи.
- Уметь создавать рекомендательные системы, основанные на нейросетевых архитектурах.
- Знать основные подходы к построению рекомендательных систем.
- Умение создавать графовые модели для широкого спектра задач.
- Знать основные принципы работы с графовыми моделями.
- Уметь применять базовые принципы работы с графовыми моделями на практике.
Содержание учебной дисциплины
- Методы автоматической обработки текстов (Natural Language Processing)
- Введение в обработку звука и распознавание речи
- Рекомендательные системы
- Графовые методы
Элементы контроля
- Домашнее задание 1Обучение полносвязных нейронных сетей.
- Экзамен
- Домашнее задание 2Обучение сверточных нейронных сетей
- Домашнее задание 3Написание архитектуры модели и функции потерь, подобных описанным в статье по компьютерному зрению
- Домашнее задание 4Работа с рекуррентными нейронными сетями
Промежуточная аттестация
- 2025/2026 3rd moduleИтог = ОКРУГЛ(0.5*МИН(12, ДЗ) + 0.4 * Э + 0.1 * онлайн-курс) где ДЗ — средняя оценка за все домашние задания, Э — оценка за экзамен. МИН - функция взятия минимума из двух чисел. Все компоненты берутся неокругленными.
