![]() | |||||||||||||||||||
Курс "Глубокое обучение (нейронные сети) на Python часть 1"![]() Код: EDU-Python-21
Продолжительность - 5 дней
Глубокое обучение — это особый раздел машинного обучения, новый подход к поиску представления данных, делающий упор на изучение последовательных слоев (или уровней) все более значимых представлений. Под глубиной в глубоком обучении не подразумевается более глубокое понимание, достигаемое этим подходом; идея заключается в многослойном представлении. На курсе "Глубокое обучение (нейронные сети) на Python часть 1" слушатели познакомятся с основными понятиями искусственного интеллекта, машинного и глубокого обучения; с базовыми идеями, необходимыми для освоения глубокого обучения: тензоры, операции с тензорами, градиентный спуск и обратное распространение ошибки; начнут работу с нейронными сетями: введение в Keras — фреймворк глубокого обучения. Слушатели рассмотрят практические примеры распознавания образов с особым вниманием к классификации изображений и практические методы обработки последовательностей данных, таких как текст и временные последовательности. Предполагается, что слушатели почти ничего не знают о глубоком обучении и цель курса представить концепции, инструменты и идеи, которые необходимы для реализации программ, способных обучаться на основе данных. Прослушав данный курс, Вы узнаете:
Научитесь:
Аудитория: начинающие специалисты в области программирования, рассматривающие предмет как ступень к изучению Data Science, желающих начать знакомство с темой машинного обучения с технологией глубокого обучения. Предварительная подготовка: Опыт программирования на языке Python и знание основных библиотек Python для научных расчетов: Numpy, Pandas, Matplotlib. Понимание разделов математики: теория вероятности, статистика, математический анализ, линейная алгебра. Навыки работы с алгоритмами машинного обучения. Курсы, рекомендуемые для предварительного прохождения:
Курсы, рекомендуемые для последующего прохождения:
Программа курса1 Что такое глубокое обучение 1.1 Искусственный интеллект, машинное и глубокое обучение 1.2 Краткая история машинного обучения 1.3 Современные тенденции глубокого обучения 2 Математические основы нейронных сетей 2.1 Первое знакомство с нейронной сетью 2.2 Представление данных для нейронных сетей 2.3 Операции над тензорами 2.4 Механизм нейронных сетей, оптимизация на основе градиента 3 Начало работы с нейронными сетями 3.1 Анатомия нейронной сети 3.2 Введение в Keras 3.3 Настройка рабочей среды для глубокого обучения 3.4 Бинарная классификация 3.5 Классификация в несколько классов 3.6 Регрессия 4 Основы глубокого машинного обучения 4.1 Четыре раздела обучения 4.2 Оценка моделей обучения 4.3 Обработка данных, конструирование признаков и обучение признаков 4.4 Переобучение и недообучение 4.5 Обобщенный процесс решения задач глубокого машинного обучения 5 Глубокое обучение в технологиях компьютерного зрения 5.1 Введение в сверточные нейронные сети 5.2 Обучение сверточной нейронной сети на небольшом наборе данных 5.3 Использование предварительно обученной сверточной нейронной сети 5.4 Визуализация знаний, заключенных в сверточной нейронной сети 6 Глубокое обучение для текста и последовательностей 6.1 Работа с текстовыми данными 6.2 Рекуррентные нейронные сети 6.3 Улучшенные методы использования рекуррентных нейронных сетей 6.4 Обработка последовательностей с помощью сверточных нейронных сетей В конце обучения на курсе проводится итоговая аттестация в виде теста или на основании оценок за практические работы, выполненных в процессе обучения.
Свободно распространяемое программное обеспечение популярно как среди частных лиц, так и среди организаций. Действительно, СПО позволяет серьезно экономить на приобретении лицензий для компаний, которые многократно тиражируют программное решение. Также благодаря тому, что СПО можно квалифицированно дорабатывать собственными силами под конкретные нужды организации, оно приобретает еще и дополнительную гибкость и удобство в использовании. Открытое программное обеспечение — это программное обеспечение с открытым исходным кодом. Исходный код создаваемых программ открыт, то есть доступен для просмотра и изменения. Это позволяет использовать уже созданный код для создания новых версий программ, для исправления ошибок и, возможно, помочь в доработке открытой программы. В конце обучения на курсах проводится итоговая аттестация в виде теста или на основании оценок за практические работы, выполненные в процессе обучения. Учебный центр "Интерфейс" оказывает консалтинговые услуги по построению моделей бизнес-процессов, проектированию информационных систем, разработке структуры баз данных и т.д.
|