Тема 4.1 Модель нейрона. Применение нейронных сетей
Искусственный нейрон (формальный нейрон) - элемент искусственных нейронных сетей, моделирующий некоторые функции биологического нейрона. Перцептрон Розенблатта. Структура нейрона. Работа нейрона. Пороговая функция. Обучение нейрона. Области применения нейронных сетей: Компьютерное зрение, Обработка естественного языка, Управление, Прогнозирование и классификация. Недостатки нейронных сетей.

Тема 4.2 Обучение нейронных сетей
Реализация класса Perceptron() – нейрон с пороговой функцией активации, его обучение и трассировка на сгенерированных и реальных данных. Сравнение качества работы обученного класса с классом из библиотеки scikit-learn (sklearn.linear_model.Perceptron()). Реализация нейрона с сигмоидной функцией.

Тема 4.3 Глубокое обучение. Многослойные нейронные сети
Структура полносвязной нейронной сети. Функционирование отдельного нейрона в сети. Работа первого слоя нейронной сети. Работа второго слоя нейронной сети. Работа i-го слоя. Прохождение данных через нейросеть (forward pass). Процесс распространения ошибок обратно для обновления весов сети (Backward pass).

Тема 4.4 Фреймворк PyTorch. Реализация нейронов и сетей на PyTorch
• Знакомство с фреймворком PyTorch
• Реализация одного нейрона и нейронных сетей на PyTorch
• Реализация многослойной нейронной сети на PyTorch

Тема 4.5 Промежуточная аттестация по модулю 4.
Контрольный тест по пройденному материалу.