Дисциплина «Основы машинного обучения»
Описание дисциплины
Параметр | Значение |
---|---|
Обеспечивающее подразделение | ОИТ (ИШИТР) |
Язык обучения | Русский |
Год приёма | 2022 |
Параметр | 7 семестр |
---|---|
Кредитная стоимость | 3 |
Виды занятий (Часы/Вид) | 16/ЛК, 16/ЛБ, 76/СРС |
Тип аттестации | Зачет |
Параметр | Значение |
---|---|
Краткое описание/содержание дисциплины |
История развития области машинного обучения. Постановка задач обучения. Типы задач: классификация, регрессия, прогнозирование, ранжирование. Основные понятия: модель алгоритмов, метод обучения, функция потерь и функционал качества. Введение в кластеризацию. Понижение размерности и отбор признаков. Метод главных компонент. Нейросетевые библиотеки Keras и TensorFlow. Нейронные сети глубокого обучения. Нейронные сети с обучением без учителя. |
Планируемые результаты обучения |
После завершения модуля, обучающийся будет уметь: - Применять библиотеки машинного обучения TensorFlow и Keras для работы с искусственными нейронными сетями. - Создавать, обучать и тестировать искусственные нейронные сети различных типов. - Решать задачу классификации объектов на изображениях с помощью искусственных нейронных сетей. - Выполнять семантическую сегментацию изображений с использованием глубоких нейронных сетей. |
Особенности обучения |
В данной дисциплине предполагается использование современных инструментов машинного обучения для решения практических задач различного спектра. Модуль содержит как теоретические, так и практические основы, соответствующие современным мировым тенденциям, что обеспечивает получение необходимых навыков и знаний для решения практических задач с применением методов машинного обучения. |
Включена в модули |