Дисциплина «Основы машинного обучения»

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.

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.

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.

• Введение в разработку методов вычислительного интеллекта на языке Python (2024 )