Программа направлена на формирование у слушателей профессиональной компетенции «Способность применять нейронные сети для решения поставленных задач», которая направлена на развитие способности решать задачи по распознаванию объектов, применяя методы искусственного интеллекта в форме нейронных сетей. Освоение программы способствует развитию навыков разработки, тренировки, отладки и практическому применению систем машинного обучения на основе нейронных сетей.
В процессе обучения приводится теоретическое обоснование принципов построения нейронных сетей и принципы их программной реализации. Практические задания направлены на отработку практических навыков работы с программными средами и библиотеками для разработки, программирования и практической реализации нейронных сетей, получение навыков работы с современными архитектурами нейронных сетей для решения прикладных задач в областях анализа и обработки изображений, аудиосигналов и текстов.
Осваивая программу, слушатель получает знания о структуре нейронных сетей, их архитектурах и компонентах, навыки практической программной реализации нейронных сетей с применением библиотеки Tensorflow на языке программирования Python 3.
Формирование компетенций, необходимых для осуществления профессиональной деятельности в области применения искусственного интеллекта.
Обязательные требования к слушателям программы: среднее профессиональное или высшее образование.
Рекомендуемые требования к слушателям программы: опыт профессиональной деятельности и/или опыт по освоению дисциплин/курсов/модулей в области программирования на языке Python, знание основ математического анализа и статистики.
Обязательные требования к слушателям программы: среднее профессиональное или высшее образование.
Рекомендуемые требования к слушателям программы: опыт профессиональной деятельности и/или опыт по освоению дисциплин/курсов/модулей в области программирования на языке Python, знание основ математического анализа и статистики.
свернуть
Темы модуля:
1. Библиотека Tensorflow Keras. Сервисы Google colab. Kaggle.Описание библиотеки машинного обучения Tensorflow. Подробное описание модуля Keras библиотеки Tensorflow. Описание сервиса Google colab и необходимых для работы с нейронными сетями библиотек. Описание сервиса Kaggle.
2. Типы нейронных сетей и их реализации в Tensorflow Keras. Описание основных типов нейронных сетей и их особенностей реализации в библиотеке Tensorflow
Задания для практических занятий:
1. Запуск библиотеки Tensorflow на сервисе Google colab.
2. Подготовка скачанных данных для дальнейшей обработки нейронной сетью.
3. Разработка нейронной сети для анализа скачанных данных.
4. Разработка полносвязной, сверточной и рекуррентной нейронных сетей для анализа скачанных данных.
Самостоятельная работа слушателей направлена на изучение возможностей библиотеки Tensorflow для задачи разработки нейронных сетей и изучение принципов определения оптимальных гиперпараметров нейронных сетей с различными типами нейронов.
Темы модуля:
1. Нейронные сети для работы с аудио. Возможности нейронных сетей для анализа аудио и особенностей их программной реализации.
2. Стилизация данных. Перенос стилей изображений. Возможности нейронных сетей для изменений изображений и особенностей их программной реализации.
3. Генеративно-состязательные нейросети. CycleGAN. Возможности нейронных сетей для генерации изображений и особенностей их программной реализации. Архитектура CycleGAN
4. Детектирование объектов на изображениях. Unet, Faster RCNN. Возможности нейронных сетей для поиска объектов и сегментации изображений и особенностей их программной реализации. Архитектура Unet и Faster RCNN
Практические занятия направлены на отработку умений и навыков по разработке нейронных сетей для решения практических задач, например, разработка нейронной сети для анализа аудиофайлов, для генерации изображений на основе скаченных данных и т.п.
Самостоятельная работа слушателей направлена на освоение принципов определения оптимальных параметров нейронной сети для задач анализа аудио, для обработки изображений и других практических задач
Темы модуля:
1. Библиотека Tensorflow Keras. Сервисы Google colab. Kaggle.Описание библиотеки машинного обучения Tensorflow. Подробное описание модуля Keras библиотеки Tensorflow. Описание сервиса Google colab и необходимых для работы с нейронными сетями библиотек. Описание сервиса Kaggle.
2. Типы нейронных сетей и их реализации в Tensorflow Keras. Описание основных типов нейронных сетей и их особенностей реализации в библиотеке Tensorflow
Задания для практических занятий:
1. Запуск библиотеки Tensorflow на сервисе Google colab.
2. Подготовка скачанных данных для дальнейшей обработки нейронной сетью.
3. Разработка нейронной сети для анализа скачанных данных.
4. Разработка полносвязной, сверточной и рекуррентной нейронных сетей для анализа скачанных данных.
Самостоятельная работа слушателей направлена на изучение возможностей библиотеки Tensorflow для задачи разработки нейронных сетей и изучение принципов определения оптимальных гиперпараметров нейронных сетей с различными типами нейронов.
Темы модуля:
1. Нейронные сети для работы с аудио. Возможности нейронных сетей для анализа аудио и особенностей их программной реализации.
2. Стилизация данных. Перенос стилей изображений. Возможности нейронных сетей для изменений изображений и особенностей их программной реализации.
3. Генеративно-состязательные нейросети. CycleGAN. Возможности нейронных сетей для генерации изображений и особенностей их программной реализации. Архитектура CycleGAN
4. Детектирование объектов на изображениях. Unet, Faster RCNN. Возможности нейронных сетей для поиска объектов и сегментации изображений и особенностей их программной реализации. Архитектура Unet и Faster RCNN
Практические занятия направлены на отработку умений и навыков по разработке нейронных сетей для решения практических задач, например, разработка нейронной сети для анализа аудиофайлов, для генерации изображений на основе скаченных данных и т.п.
Самостоятельная работа слушателей направлена на освоение принципов определения оптимальных параметров нейронной сети для задач анализа аудио, для обработки изображений и других практических задач
Захаров
Максим Владимирович
ФГАОУ ВО "Северный (Арктический) федеральный университет имени М.В. Ломоносова"
Вяткин
Дмитрий Андреевич
ФГАОУ ВО "Северный (Арктический) федеральный университет имени М.В. Ломоносова"
Назад
