Бакалавриат
2026/2027
Машинное обучение (углубленный курс)
ID 1186748
Статус:
Курс обязательный (Компьютерные науки и технологии)
Когда читается:
4-й курс, 1, 2 модуль
Охват аудитории:
для всех кампусов НИУ ВШЭ
Преподаватели:
Семенов Дмитрий Павлович
Язык:
русский
Кредиты:
5
Контактные часы:
60
Программа дисциплины
Аннотация
The course is aimed at training specialists capable of carrying out mathematical modeling of a subject area and solving applied problems of information processing at a high technical level. The problems of natural language processing are considered using deep learning methods using transformers and generative adversarial networks. Practical exercises serve to obtain stable natural language processing skills using modern high-level programming languages. . Для выполнения заданий используется скриптовый язык Pyhton 3, а также технологическая платформа Anaconda 4. To complete tasks, the scripting language Pyhton 3 is used, as well as the technology platform Anaconda 4. To master the academic discipline, students must have the following knowledge and competencies: modern methods of designing and implementing information systems; basic algorithms and data structures for quick information retrieval; • programming in C, C++ languages.
Цель освоения дисциплины
- Целью освоения дисциплины «Анализ и разработка данных» является получение высшего профессионально профилированного (на уровне бакалавра) образования, позволяющего выпускнику успешно работать в избранной сфере деятельности, обладать универсальными и предметно-специализированными компетенциями, способствующими его социальной мо-бильности и устойчивости на рынке труда.
- Целью освоения дисциплины «Анализ и разработка данных» является получение высшего профессионально профилированного (на уровне бакалавра) образования, позволяющего выпускнику успешно работать в избранной сфере деятельности, обладать универсальными и предметно-специализированными компетенциями, способствующими его социальной мобильности и устойчивости на рынке труда.
Планируемые результаты обучения
- Знакомство с нейронными сетями
- Знание известных архитектур классификации изображений
- Знание последних результатов в области глубокого обучения
- Понимание математических основ алгоритма обратного распространения ошибок
- Понимание уязвимых мест нейронных сетей и возможных проблем в их работе
- Понимание целей использования свёрточных и рекуррентных слоёв нейронной сети
- Умение создавать архитектуры нейронных сетей и настраивать их для поставленных целей
Содержание учебной дисциплины
- Нейронные сети: основы
- Нейронные сети: настройка
- Архитектуры нейронных сетей
Промежуточная аттестация
- 2026/2027 2nd moduleНакоп = 0,1*посещаемость, 0.45*Контрольные работы, 0.45* Лабораторные работы, Экзамен Итоговая оценка = 0,5 *Накоп + 0,5*Экзамен
Список литературы
Рекомендуемая основная литература
- Искусственные нейронные сети : учебник / В. В. Цехановский, Е. Ю. Бутырский, Н. А. Жукова [и др.] ; под ред. В. В. Цехановского. — Москва : КноРус, 2026. — 350 с. — ISBN 978-5-406-15271-3. — URL: https://book.ru/book/959271 (дата обращения: 01.07.2026). — Текст : электронный.
Рекомендуемая дополнительная литература
- Введение в нейронные сети: модели, методы и программные средства - Алексейчук А. С. - Московский авиационный институт (национальный исследовательский университет) - 978-5-6049766-0-9 - 2023 - русский - https://e.lanbook.com/book/383072 - ЛАНЬ - 383072
- Методические рекомендации по выполнению лабораторных работ по дисциплине «Нейросетевые алгоритмы обработки данных». Часть I. Основные архитектуры нейронных сетей - Назаренко П. А. - Поволжский государственный университет телекоммуникаций и информатики - - - 2024 - русский - https://e.lanbook.com/book/463718 - ЛАНЬ - 463718