Бакалавриат
2026/2027
Основы глубокого обучения
ID 1143412
Статус:
Курс обязательный (Прикладной анализ данных и искусственный интеллект)
Кто читает:
Департамент информатики
Где читается:
Школа информатики, физики и технологий
Когда читается:
2-й курс, 3, 4 модуль
Охват аудитории:
для всех кампусов НИУ ВШЭ
Преподаватели:
Рюмин Дмитрий Александрович
Язык:
русский
Кредиты:
4
Контактные часы:
60
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
Промежуточная аттестация
- 2026/2027 4th module0.3 * Домашнее задание №2 + 0.4 * Экзамен + 0.3 * Домашнее задание №1
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