Бакалавриат 2026/2027

Основы нейронных сетей на Python

ID 1158917

Статус: Курс по выбору (Медиакоммуникации)

Кто читает: Институт медиа

Где читается: Факультет креативных индустрий

Когда читается: 3-й курс, 3 модуль

Охват аудитории: для всех кампусов НИУ ВШЭ

Язык: русский

Кредиты: 3

Контактные часы: 40

Программа дисциплины

Аннотация

Курс посвящён фундаментальным принципам построения и применения современных нейронных сетей. Обучение включает поэтапную реализацию на Python базовых архитектур – перцептрона, полносвязных, сверточных и рекуррентных сетей – с использованием библиотеки Keras. Практическая часть представлена последовательными лабораторными работами, которые формируют единый проект: создание и обучение модели для классификации мемов социальных сетей. Такой формат обеспечивает сочетание теоретических основ и прикладных навыков анализа медиаконтента и разработки нейросетевых решений.

Цель освоения дисциплины

• Познакомить студентов с фундаментальными принципами функционирования искусственных нейронных сетей.
• Освоить базовые архитектуры нейросетевых моделей, включая перцептрон, полносвязные, сверточные и рекуррентные сети.
• Изучить практические методы разработки, обучения и оценки нейросетевых моделей на Python с использованием библиотеки Keras.
• Развить навыки анализа визуальных и медиакоммуникационных данных с применением нейросетевых алгоритмов.

Планируемые результаты обучения

• Объясняет принципы работы перцептрона, полносвязных, сверточных и рекуррентных нейронных сетей.
• Подготавливает данные для задачи классификации.
• Реализует базовые нейронные сети на Python с использованием Keras, включая этапы построения модели, обучения и валидации.
• Проводит экспериментальные исследования с параметрами нейросетевых моделей.
• Интерпретирует метрики качества классификации.
• Применяет предобученные нейронные сети к задаче классификации.

Содержание учебной дисциплины

• Введение
• Синтаксис Python
• Введение в нейронные сети
• Работа с Keras и подготовка данных
• Нейронная сеть в Keras
• Сверточные нейронные сети (CNN)
• Рекуррентные сети (RNN, LSTM)
• Регуляризация нейронных сетей
• Предобученные модели
• Тестирование системы
• Игра «Свое программирование»

Элементы контроля

• Домашние задание
  Выполнить домашние задания, полученные во время лекций. Домашние задания подразумевают написание программного кода на языке Python с использованием Jupyter Notebook.
• Активность на занятиях
  Активность на занятиях подразумевает присутствие на онлайн занятиях с включенной камерой, участие в обсуждениях, ответы на вопросы преподавателя.
• Зачетная игра
  Зачетная игра «Свое программирование» реализована в формате телешоу «Своя игра». Студенты случайным образом делятся на команды. Игра подразумевает командные ответы на вопросы. Каждый вопрос имеет свой вес и свою категорию. Участники игры могут заранее выбрать вес и категорию вопроса, но сам вопрос озвучивается после выбора. После выбора вопроса у команд есть 1-2 минуты на обсуждение и 1 минута на ответ. За правильный ответ команда получает очки равные весу вопроса. При неправильном ответе слово передается следующей команде.

Промежуточная аттестация

• 2026/2027 3rd module
  0.6 * Домашние задание + 0.2 * Зачетная игра + 0.2 * Активность на занятиях

Список литературы

Рекомендуемая основная литература

• Python и машинное обучение: крайне необходимое пособие по новейшей предсказательной аналитике, обязательное для более глубокого понимания методологии машинного обучения - Рашка С. - Издательство "ДМК Пресс" - 978-5-97060-409-0 - 2017 - русский - https://e.lanbook.com/book/100905 - ЛАНЬ - 100905
• Глубокое обучение для поисковых систем - Теофили Т. - Издательство "ДМК Пресс" - 978-5-97060-776-3 - 2020 - русский - https://e.lanbook.com/book/140574 - ЛАНЬ - 140574
• Лекун Я. - Как учится машина : Революция в области нейронных сетей и глубокого обучения - 978-5-907394-92-6 - Альпина ПРО - 2021 - https://znanium.ru/catalog/product/2138131 - 2138131 - ZNANIUM

Рекомендуемая дополнительная литература

• Python и анализ данных. Первичная обработка данных с применением pandas, NumPy и Jupiter - Маккинни У. - Издательство "ДМК Пресс" - 978-5-93700-174-0 - 2023 - русский - https://e.lanbook.com/book/348086 - ЛАНЬ - 348086
• Глубокое обучение и игра в го - Памперла М., Фергюсон К. - Издательство "ДМК Пресс" - 978-5-97060-769-5 - 2020 - русский - https://e.lanbook.com/book/140596 - ЛАНЬ - 140596
• Программирование компьютерного зрения на языке Python - Ян Эрик Солем - Издательство "ДМК Пресс" - 978-5-97060-200-3 - 2016 - русский - https://e.lanbook.com/book/93569 - ЛАНЬ - 93569

Авторы

• Уваров Федор Максимович
• Левенец Анастасия Александровна