Ви переглядаєте архівну версію офіційного сайту НУЛП (2005-2020р.р.). Актуальна версія: https://lpnu.ua
Моделювання та оптимізація для глибинного навчання
Спеціальність: Системи штучного інтелекту
Код дисципліни: 7.122.04.E.33
Кількість кредитів: 5
Кафедра: Системи штучного інтелекту
Лектор:
Пелешко Д.Д.
Семестр: 2 семестр
Форма навчання: заочна
Результати навчання:
1. Сформувати датасети з сирих даних для навчання глибоких систем.
2. Сформулювати етапи розробки системи з глибоким навчанням.
3. Розробити архітектуру системи глибокого навчання.
4. Обрати і реалізувати алгоритм навчання для системи глибокого навчання.
5. Застосовувати фреймворки для реалізації систем з глибоким навчанням.
6. Аналізувати отримані результати.
7. Обирати тип системи з глибоким навчання відповідно до задачі, що вирішується.
8. Візуалізувати результати роботи системи з глибоким навчанням.
2. Сформулювати етапи розробки системи з глибоким навчанням.
3. Розробити архітектуру системи глибокого навчання.
4. Обрати і реалізувати алгоритм навчання для системи глибокого навчання.
5. Застосовувати фреймворки для реалізації систем з глибоким навчанням.
6. Аналізувати отримані результати.
7. Обирати тип системи з глибоким навчання відповідно до задачі, що вирішується.
8. Візуалізувати результати роботи системи з глибоким навчанням.
Необхідні обов'язкові попередні та супутні навчальні дисципліни:
Попередні навчальні дисципліни
Системи штучного інтелекту
Машинне навчання
Чисельні методи
Супутні і наступні навчальні дисципліни
Методи аналізу Великих даних
Машинне навчання
Моделювання та оптимізація для глибинного навчання
Системи штучного інтелекту
Машинне навчання
Чисельні методи
Супутні і наступні навчальні дисципліни
Методи аналізу Великих даних
Машинне навчання
Моделювання та оптимізація для глибинного навчання
Короткий зміст навчальної програми:
Мета викладання даної навчальної дисципліни є формування у студентів компетентностей з проектування систем глибинного навчання для аналізу і обробки потоків даних.
Рекомендована література:
1. Николенко С., Кадурин А., Архангельская Е.. Глубокое обучение. Погружение в мир нейронных сетей. – Питер, 2019. - 480 с.
2. Гудфеллоу Я, Бенджио Й., Курвилль А. Глубокое обучение. ДМК, 2018, 653 с.
3. Goodfellow, I., Bengio, Y., Courville, A. Deep Learning. MIT Press, 2016.
4. Charu C. Aggarwal Neural Networks and Deep Learning. Springer International Publishing. 2018.
2. Гудфеллоу Я, Бенджио Й., Курвилль А. Глубокое обучение. ДМК, 2018, 653 с.
3. Goodfellow, I., Bengio, Y., Courville, A. Deep Learning. MIT Press, 2016.
4. Charu C. Aggarwal Neural Networks and Deep Learning. Springer International Publishing. 2018.
Методи і критерії оцінювання:
50 - лабораторні роботи
50 - екзамен
50 - екзамен
Моделювання та оптимізація для глибинного навчання (курсова робота)
Спеціальність: Системи штучного інтелекту
Код дисципліни: 7.122.04.E.35
Кількість кредитів: 2
Кафедра: Системи штучного інтелекту
Лектор: Пелешко Д.Д.
Семестр: 2 семестр
Форма навчання: заочна
Результати навчання:
1. Сформувати датасети з сирих даних для навчання глибоких систем.
2. Сформулювати етапи розробки системи з глибоким навчанням.
3. Розробити архітектуру системи глибокого навчання.
4. Обрати і реалізувати алгоритм навчання для системи глибокого навчання.
5. Застосовувати фреймворки для реалізації систем з глибоким навчанням.
6. Аналізувати отримані результати.
7. Обирати тип системи з глибоким навчання відповідно до задачі, що вирішується.
8. Візуалізувати результати роботи системи з глибоким навчанням.
2. Сформулювати етапи розробки системи з глибоким навчанням.
3. Розробити архітектуру системи глибокого навчання.
4. Обрати і реалізувати алгоритм навчання для системи глибокого навчання.
5. Застосовувати фреймворки для реалізації систем з глибоким навчанням.
6. Аналізувати отримані результати.
7. Обирати тип системи з глибоким навчання відповідно до задачі, що вирішується.
8. Візуалізувати результати роботи системи з глибоким навчанням.
Необхідні обов'язкові попередні та супутні навчальні дисципліни:
Попередні навчальні дисципліни
Системи штучного інтелекту
Машинне навчання
Чисельні методи
Супутні і наступні навчальні дисципліни
Методи аналізу Великих даних
Машинне навчання
Моделювання та оптимізація для глибинного навчання
Системи штучного інтелекту
Машинне навчання
Чисельні методи
Супутні і наступні навчальні дисципліни
Методи аналізу Великих даних
Машинне навчання
Моделювання та оптимізація для глибинного навчання
Короткий зміст навчальної програми:
Мета викладання даної навчальної дисципліни є формування у студентів компетентностей з проектування систем глибинного навчання для аналізу і обробки потоків даних.
Рекомендована література:
1. Николенко С., Кадурин А., Архангельская Е.. Глубокое обучение. Погружение в мир нейронных сетей. – Питер, 2019. - 480 с.
2. Гудфеллоу Я, Бенджио Й., Курвилль А. Глубокое обучение. ДМК, 2018, 653 с.
3. Goodfellow, I., Bengio, Y., Courville, A. Deep Learning. MIT Press, 2016.
4. Charu C. Aggarwal Neural Networks and Deep Learning. Springer International Publishing. 2018.
2. Гудфеллоу Я, Бенджио Й., Курвилль А. Глубокое обучение. ДМК, 2018, 653 с.
3. Goodfellow, I., Bengio, Y., Courville, A. Deep Learning. MIT Press, 2016.
4. Charu C. Aggarwal Neural Networks and Deep Learning. Springer International Publishing. 2018.
Методи і критерії оцінювання:
курсова робота - 100