Глубинное обучение 2

2025/2026

Учебный год

RUS

Обучение ведется на русском языке

5

Кредиты

Кто читает:

Департамент больших данных и информационного поиска

Статус:

Курс обязательный

Когда читается:

4-й курс, 1, 2 модуль

Преподаватели

Алиев Мишан Хаммад оглы

Бураков Даниил Игоревич

Программа дисциплины

Аннотация

В последние годы методы глубинного обучения (нейросети) позволили достигнуть впечатляющих успехов в решении прикладных задач из таких областей как компьтерное зрение, обработка естественного языка, обработка аудио. В рамках данного курса мы рассмотрим основные нейросетевые модели, а также способы их применения и обучения. Студенты получат навыки использования этих технологий в стандартных задачах, а также разработки и модификации методов для новых задач.

Цель освоения дисциплины

• Знать основные принципы построения моделей на основе нейросетей.
• Знать стандартные алгоритмы обучения и регуляризации нейросетей.
• Уметь обучать нейросетевые модели на новых наборах данных.
• Уметь подбирать наиболее подходящий набор алгоритмов.
• Уметь распознавать задачи, которые потенциально можно решить при помощи методов глубинного обучения.

Планируемые результаты обучения

• владеть навыками работы с библиотекой pytorch и ее документацией
• владеть навыками реализации систем для обучения и использования нейросетей
• владеть навыками тестирования и отладки существующих систем
• знать виды задач, которые уместно решать при помощи методов глубинного обучения
• знать наиболее часто используемые стандартные архитектуры и области их применимости

Содержание учебной дисциплины

• Введение. Организация DL экспериментов
• Компьютерное зрение. Архитектуры
• Компьютерное зрение. Сегментация
• Компьютерное зрение. Детекция
• Компьютерное зрение. 3D, NeRF, implicit representations
• Трансформеры часть 1, Эффективные трансформеры, архитектурные модификации
• Трансформеры часть 2, Большые языковые модели, Prompting, Interpretability
• Генеративные модели часть 1
• Генеративные модели часть 2
• Графовые нейронные сети
• Нейронные сети на табличных данных
• Теории и эмпирическая наука про обучение нейронных сетей
• Lifelong Learning

Элементы контроля

• Домашнее задание 1
• Домашнее задание 2
• Домашнее задание 3
• Домашнее задание 4
• Домашнее задание 5

Промежуточная аттестация

• 2025/2026 2nd module
  Итог= средняя по ДЗ1-5

Список литературы

Рекомендуемая основная литература

• Гудфеллоу, Я. Глубокое обучение / Я. Гудфеллоу, И. Бенджио, А. Курвилль , перевод с английского А. А. Слинкина. — 2-е изд. — Москва : ДМК Пресс, 2018. — 652 с. — ISBN 978-5-97060-618-6. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/107901 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

• Гласснер, Э. Глубокое обучение без математики : справо / Э. Гласснер , перевод с английского В. А. Яроцкого. — Москва : ДМК Пресс, [б. г.]. — Том 1 : Основы — 2019. — 578 с. — ISBN 978-5-97060-701-5. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/131696 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Гласснер, Э. Глубокое обучение без математики. Том 2. Практика : руководство / Э. Гласснер , перевод с английского В. А. Яроцкого. — Москва : ДМК Пресс, 2020. — 610 с. — ISBN 978-5-97060-767-1. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/131710 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Авторы

• Ахмедова Гюнай Интигам кызы
• Осокин Антон Александрович