Назад

О курсе

Курс нацелен на получение профессиональных компетенций, включающих в себя:

  • знакомство с различными типами глубоких нейросетевых моделей (модели, обучаемые с учителем: полносвязные сети, сверточные нейронные сети, рекуррентные нейронные сети; модели, обучаемые без учителя:
  • автокодировщики, ограниченные машины Больцмана);

  • постановку задач обучения глубоких нейросетевых моделей;

  • основных показателей качества решения классических задач компьютерного зрения (классификация изображений, детектирование объектов, семантическая сегментация изображений);

  • общую схему решения задач компьютерного зрения с использованием методов глубокого обучения;

  • разработку архитектуры глубоких нейросетевых моделей;

  • применение методов глубокого обучения на практике;

  • владение навыкими пользования современными программными средствами для решения практических задач с использованием методов глубокого обучения, а именно, библиотеками NumPy, Pandas, PyTorch, MXNet и некоторыми другими на языке Python в среде Jupyter notebook.

Содержание курса

Тема 1. Введение в глубокое обучение (deep learning)

Тема 2. Многослойные полностью связанные сети

Тема 3. Обзор библиотек глубокого обучения

Тема 4. Сверхточные нейронные сети

Тема 5. Примеры глубоких нейросетевых моделей для решения классических задач компьютерного зрения

Тема 6. Перенос обучения глубоких нейронных сетей

Преподаватели

Золотых Николай Юрьевич

Доктор физико-математических наук, доцент, директор
Института информационных технологий, математики и механики ННГУ им. Н.И. Лобачевского

Оставьте заявку