Системы искусственного интеллекта. Введение в нейронные сети
Аннотация
Курс направлен на получение компетенций в решении задач профессиональной деятельности (аппроксимация, ассоциативная память, распознавание, классификация, кластеризация) с помощью искусственных нейронных сетей как одного из перспективных направлений искусственного интеллекта.О курсе
Курс посвящен
Курс посвящен изучению искусственных нейронных сетей, включая изучение архитектур и типов нейронных сетей, принципов работы, методов обучения, регуляризации и оптимизации, для использования их в решении задач профессиональной деятельности (аппроксимация, ассоциативная память, распознавание, классификация, кластеризация, обработка временных рядов, генерация контента и др).
В результате освоения теоретического материала и выполнения практических работ, слушатель способен разрабатывать модели искусственных нейронных сетей, их обучать и оптимизировать архитектуры для активного использования в различных предметных областях. Практическая часть курса использует популярные библиотеки для работы с нейронными сетями, такие как TensorFlow и PyTorch
При реализации курса используется технология "смешанного" обучения.
Проморолик курса по ссылке https://files.sberdisk.ru/s/g5DvTXRF10eV8bo
Нейронные сети – не магия, а сочетание математики, современных информационных технологий и упорства исследователя.
Расписание курса
Информационные ресурсы
- Круглов, В.В. Нечеткая логика и искусственные нейронные сети. / В.В. Круглов, М.И. Дли, Р.Ю. Голунов. – М.: Физматлит, 2001. – 224 с.
- Методы классической и современной теории автоматического управления: учебник в 5-и т.; 2-е изд., перераб. и доп. Т.5: Методы современной теории автоматического управления / под ред. К.А. Пупкова, Н.Д. Егупова. – М.: Издательство МГТУ им. Н.Э. Баумана, 2004. – 784 c.
- Осcовский С. Нейронные сети для обработки информации / Пер. с польского И.Д. Рудинского. – М.: Финансы и статистика, 2002. – 344 с.
- Шолле, Ф. Глубокое обучение на Python. / Ф. Шолле.– СПб: Питер, 2018 – 400 с.
- Постолит, А.В. Основы искусственного интеллекта в примерах на Python. Самоучитель. - 2-е изд., перераб и доп. / А.В. Постолит. - СПБ.: БХВ-Петербург, 2024 - 448 с.
- Николенко, С. Глубокое обучение. Погружение в мир нейронных сетей. / С. Николенко, А. Кадурин, Е. Архангельская - СПб: Питер, 2025 - 480 с.
- Тадеусевич, Р. Элементарное введение в технологию нейронных сетей с примерами программ / Пер. с польского И.Д.Рудинского. - М.:Горячая линия - Телеком, 2011 - 408 с.
- Лекун, Я. Как учится машина: Революция в области нейронных сетей и глубокого обучения / Ян Лекун. - Пер. с фр. - М.:Интеллектуальная литература, 2020 - 351 с.
- Эртель, В. Введение в искусственный интеллект / Вольфганг Эртель. - Пер. с англ. А.В. Горман - М.:Эксмо, 2019 - 448 с.
- Кохонен, Т. Самоорганизующие карты / Т. Кохонен - М.: Бином, 2008 - 655 с.
Дополнительный инструментарий
Python в средах Pycharm, Visual Studio Code.
https://www.python.org/downloads/ - ссылка для загрузки дистрибутива Python
https://www.anaconda.com/download/ - ссылка для загрузки дистрибутива Anaconda - интегрированной среды разработки Python и R
https://pycharm-community-edition.softonic.ru/ - ссылка для загрузки дистрибутива Pycharm
https://code.visualstudio.com/Download/ - ссылка для загрузки дистрибутива Visual Studio Code
Оценивание и документы
Правила Формирования оценки
|
1 |
Лабораторные работы (12 шт.) |
10 баллов за каждую работу |
|
2 |
Тесты по темам (3 шт.) |
5 баллов за каждый тест |
|
3 |
Домашняя работа (1 шт.) |
10 баллов |
|
4 |
Рубежный тест (1 шт.) |
10 баллов |
|
5 |
Итоговая работа (1 шт.) |
20 баллов |
|
6 |
Обратная связь по модулю (3 шт.) |
1 балл за заполнение каждой формы |
Система оценивания
Максимальное количество баллов за курс - 178. Слушатель должен предоставить ВСЕ работы, необходимые при изучении курса.
0 – 64 % от максимально возможной суммы баллов – курс не считается пройденным
65 – 79 % от максимально возможной суммы баллов – оценка "удовлетворительно"
80 – 90 % от максимально возможной суммы баллов – оценка "хорошо"
91 – 100 % от максимально возможной суммы баллов – оценка "отлично"
Для успешного окончания курса необходимо защитить выпускную итоговую работу