Описание курса

Цель дисциплины

Формирование у магистрантов системных знаний и практических навыков по проектированию, обучению и применению искусственных нейронных сетей в решении прикладных задач программирования, анализа данных и интеллектуальной обработки информации. Дисциплина направлена на развитие компетенций в области разработки и внедрения нейросетевых алгоритмов с использованием современных программных средств и библиотек.

Задачи дисциплины

Ознакомить студентов с теоретическими основами искусственных нейронных сетей и принципами их функционирования.

Изучить архитектуры нейросетевых моделей: полносвязные, сверточные (CNN), рекуррентные (RNN, LSTM), трансформеры и гибридные сети.

Освоить методы обучения, оптимизации и регуляризации нейросетей.

Изучить программные инструменты для реализации нейросетей (Python, TensorFlow, PyTorch, Keras и др.).

Развить навыки построения, тестирования и внедрения нейросетевых моделей для решения задач классификации, прогнозирования, кластеризации и распознавания образов.

Рассмотреть вопросы интеграции нейросетевых технологий в программные продукты и интеллектуальные системы.

Сформировать понимание этических и вычислительных аспектов применения нейросетевых технологий в реальных проектах.

Результаты обучения

По завершении этого курса вы сможете:

знать: принципы построения и функционирования нейросетей, основные архитектуры и алгоритмы обучения;

уметь: разрабатывать и обучать нейросетевые модели для решения прикладных задач;

владеть: современными инструментами и библиотеками нейросетевого программирования;

демонстрировать: способность применять нейросетевые технологии для создания интеллектуальных систем и анализа данных.