2025/2026
Генеративные модели
Статус:
Маго-лего
Где читается:
Факультет компьютерных наук
Когда читается:
1, 2 модуль
Охват аудитории:
для своего кампуса
Язык:
русский
Контактные часы:
44
Программа дисциплины
Аннотация
Дисциплина преподается с целью ознакомления слушателей с генеративными методами машинного и глубинного обучения, приобретения навыков разработки новых подходов и моделей генеративного моделирования, а также проведения и презентации прикладных исследовательских задач.
Цель освоения дисциплины
- Формирование знаний и навыков построения, обучения, и применения генеративных моделей.
Планируемые результаты обучения
- Владеть навыками построения генеративных моделей
- Уметь обучать и применять генеративные модели
- Освоение практических аспектов генеративных моделей
- Освоение теоретических аспектов и интуитивного понимания генеративных моделей
- Освоение практических и теоретических аспектов работы с генеративными моделями, освоение навыка реализации исследований
Содержание учебной дисциплины
- Основы генеративного моделирования
- Генеративно Состязательные Сети (GAN)
- Вариационные Автокодировщики (VAE)
- Нормализующий Потоки (NF)
- Диффузионные модели (DM)
Элементы контроля
- Домашние заданияПрактическая реализация архитектур и моделей
- ТестыОдин вопрос на основе материала предыдущей лекции
- ПроектРеализация и презентация о прикладном исследовании
Список литературы
Рекомендуемая основная литература
- Deep learning, Goodfellow, I., 2016
- Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep Learning, 2016. URL: http://www.deeplearningbook.org
- Глубокое обучение с точки зрения практика, Паттерсон, Дж., 2018
Рекомендуемая дополнительная литература
- Kingma, D. P., & Welling, M. (2013). Auto-Encoding Variational Bayes. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsarx&AN=edsarx.1312.6114
- Глубокое обучение и TensorFlow для профессионалов : математический подход к построению систем искусственного интеллекта на Python, Паттанаяк, С., 2019