Глубинное обучение 1

Бакалавриат 2025/2026

Статус: Курс обязательный (Прикладная математика и информатика)

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет компьютерных наук

Когда читается: 2-й курс, 3, 4 модуль

Охват аудитории: для своего кампуса

Язык: русский

Кредиты: 6

Контактные часы: 80

Дополнительные материалы в LMS Задать вопрос

Аннотация

Глубинное обучение (ГО) – методология, лежащая в основе современных алгоритмов искусственного интеллекта. Данный курс посвящен базовым принципам ГО, а также основным техникам и разновидностям. Лекции, семинары, и домашние задания разработаны с научным уклоном, ознакамливая студентов с исследованиями в области ГО и обучая тому, на что обращать внимание и как самостоятельно проводить подобные исследования.

Цель освоения дисциплины

Изучить основы глубинного обучения и основные техники в разных областях: изображения, текст, звук.
Изучить основы PyTorch.
Ознакомиться с техниками эффективного проведения экспериментов.
Научится базовым принципам научной деятельности в области глубинного обучения

Планируемые результаты обучения

Изучены основы глубинного обучения, а также основные техники в разных областях: изображения, текст, звук.
Изучены основы PyTorch.
Студенты умеют эффективно проводить научные эксперименты.
Студенты умеют читать статьи, понимают принципы их создания и взаимосвязи в области глубинного обучения.

Содержание учебной дисциплины

Введение в глубинное обучение
Полносвязные и сверточные слои
Рекуррентные сети и Трансформер
Основы обработки текста и авторегрессии
Основы больших языковых моделей
Основы обработки звука и разбор основных задач
Автокодировщики
Основы Диффузии
Самообучающиеся модели
Генеративно состязательные сети
Сегментация изображений и обнаружение объектов
Правильная разработка кода для глубинного обучения
Мультимодальные сети и языковые модели
Объяснение поведения моделей
Основы маленьких моделей
Гостевая лекция
Гостевая лекция 2

Элементы контроля

Маленькое Домашнее Задание 1
Основы работы со сверточными сетями
Маленькое Домашнее Задание 2
Основы работы с трансформерами
Маленькое Домашнее Задание 3
Основы работы с диффузией
Большое домашнее задание
Разработка генеративно состязательной сети
Проект
Алгоритмы для восстановления изображений, снятых на безлинзовые камеры

Промежуточная аттестация

2025/2026 4th module
0.25 * Большое домашнее задание + 0.15 * Маленькое Домашнее Задание 1 + 0.15 * Маленькое Домашнее Задание 2 + 0.15 * Маленькое Домашнее Задание 3 + 0.3 * Проект

Список литературы

Авторы

Волкова Вера Константиновна

Программа дисциплины