Бакалавриат 2026/2027

Основы глубокого обучения

ID 1110182

Статус: Курс обязательный (Прикладной анализ данных и искусственный интеллект)

Кто читает: Департамент информатики

Где читается: Школа информатики, физики и технологий

Когда читается: 3-й курс, 1, 2 модуль

Охват аудитории: для своего кампуса

Преподаватели: Рюмин Дмитрий Александрович

Язык: русский

Кредиты: 4

Контактные часы: 52

Программа дисциплины

Аннотация

Является дисциплиной по выбору. Глубокое обучение – популярная область, в которой используются нейронные сети сложной архитектуры. Подобные системы дают лучшие результаты в таких областях, как обработка изображений, видео, звука и текста. В рамках курса будут рассмотрены основные типы архитектур, принципы работы и обучения глубоких нейронных сетей, а также проведены практические занятия по вышеупомянутым областям применения. Для освоения дисциплины необходимы знания в области машинного обучения.

Цель освоения дисциплины

• Формирование у студентов теоретических знаний и практических навыков по основам построения больших нейронных сетей для глубокого обучения.

Планируемые результаты обучения

• Знает способы построения глубоких нейронных сетей.
• Умеет применять глубокое обучение для решения характерных задач.
• Имеет навыки применения математического аппарата и алгоритмов работы с глубокими нейронными сетями.

Содержание учебной дисциплины

• Раздел 1. Алгоритмы оптимизации и регуляризации
• Раздел 2. Обработка и анализ изображений
• Раздел 3. Обработка естественного языка, конкурентные и генеративные нейронные сети
• Раздел 4. Оптимизация гиперпараметров, обучение с подкреплением

Элементы контроля

• Домашнее задание №1
• Домашнее задание №2
• Домашнее задание №3
• Проект

Промежуточная аттестация

• 2025/2026 4th module
  0.5 * Домашнее задание №2 + 0.5 * Домашнее задание №1
• 2026/2027 2nd module
  0.7 * Проект + 0.3 * Домашнее задание №3

Список литературы

Рекомендуемая основная литература

• Siddhartha Bhattacharyya, Vaclav Snasel, Aboul Ella Hassanien, Satadal Saha, & B. K. Tripathy. (2020). Deep Learning : Research and Applications. De Gruyter.

Рекомендуемая дополнительная литература

• Iba, H. (2018). Evolutionary Approach to Machine Learning and Deep Neural Networks : Neuro-Evolution and Gene Regulatory Networks. Singapore: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1833749

Авторы

• Оленчук Ольга Геннадьевна
• Рюмин Дмитрий Александрович
• Архимандритов Игорь Борисович