Магистратура 2023/2024

Глубокое обучение

Лучший по критерию «Полезность курса для Вашей будущей карьеры»

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Статус: Курс обязательный (Вычислительная биология и биоинформатика)

Направление: 01.04.02. Прикладная математика и информатика

Кто читает: Департамент информатики

Где читается: Санкт-Петербургская школа физико-математических и компьютерных наук

Когда читается: 2-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Кольцов Сергей Николаевич

Прогр. обучения: Вычислительная биология и биоинформатика

Язык: русский

Кредиты: 6

Контактные часы: 44

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 №2
  Домашнее задание №2 выдается студентам в одном варианте и состоит из 3 задач. Срок выполнения домашнего задания - 4 недели. Форма представления обучающимися домашнего задания - реализованный на любом языке программирования алгоритм.
• Домашнее задание №3
  Домашнее задание №3 выдается студентам в одном варианте и состоит из 3 задач. Срок выполнения домашнего задания - 4 недели. Форма представления обучающимися домашнего задания - реализованный на любом языке программирования алгоритм.
• Экзамен
  Устный экзамен проводится в форме ответов на вопросы экзаменационного билета. Экзаменационный билет содержит два вопроса из перечня вопросов к экзамену. Возможны дополнительные вопросы, в случае если экзаменуемый недостаточно подробно ответил на вопросы билета. На подготовку ответа выделяется 2,5 часа.
• Домашнее задание №1
  Домашнее задание №1 выдается студентам в одном варианте и состоит из 3 задач. Срок выполнения домашнего задания - 4 недели. Форма представления обучающимися домашнего задания – реализованный на любом языке программирования алгоритм.

Промежуточная аттестация

• 2023/2024 учебный год 2 модуль
  Преподаватель учитывает оценку за текущий контроль (домашние задания). Онакопленная = (Од/з1 + Од/з2 + Од/з3) / 3 Результирующая оценка за дисциплину рассчитывается следующим образом: ОРезультирующая = 0,5*Онакопленная + 0,5*Оэкзамен

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

• Кузнецов Антон Михайлович
• Тимофеева Мария Александровна
• Спицина Кристина Станиславовна