 |
 |
 | (495) 925-0049, ITShop интернет-магазин 229-0436, Учебный Центр 925-0049 |
 |
 |
 |
|||||||
|
Вход
Регистрация |
|||||||||
| |||||||||||||||||||||||||||||||||
|
|
|
|
||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||
|
Курс "Нейронные сети на Python"
Код: EDU-Python-NB-1
Продолжительность - 4 дня
Программа курса «Нейронные сети на Python»Модуль 1. Введение в нейронные сети и основы машинного обучения • Что такое искусственные нейронные сети (ИНС) • Области применения нейросетей • Архитектура простой нейронной сети • Обзор библиотек: NumPy, TensorFlow, PyTorch, Keras • Практика: реализация простой линейной регрессии на NumPy Модуль 2. Персептрон и многоуровневая нейронная сеть (MLP) • Однослойный и многослойный персептрон • Активационные функции (ReLU, sigmoid, tanh, softmax) • Обратное распространение ошибки (backpropagation) • Практика: реализация MLP на NumPy и PyTorch Модуль 3. Подготовка данных и переобучение • Нормализация, стандартизация • One-hot encoding • Разделение выборки: train/test/validation • Метрики качества: accuracy, loss, confusion matrix • Переобучение и методы борьбы: регуляризация, dropout • Практика: классификация на датасете MNIST Модуль 4. Работа с TensorFlow и Keras • Основы TensorFlow 2.x и Keras • Создание модели, компиляция, обучение, предсказание • Callbacks, TensorBoard, сохранение модели • Практика: распознавание изображений (Fashion MNIST) Модуль 5. Сверточные нейронные сети (CNN) • Основы компьютерного зрения • Архитектура CNN: сверточные, pooling и fully-connected слои • Batch Normalization, Dropout • Практика: классификация изображений с использованием CNN Модуль 6. Рекуррентные нейронные сети (RNN, LSTM, GRU) • Работа с последовательностями (текст, временные ряды) • Введение в RNN, проблемы затухания градиентов • LSTM и GRU как решение • Практика: предсказание временных рядов и генерация текста Модуль 7. Современные техники и улучшения обучения • Использование pre-trained моделей (Transfer Learning) • Fine-tuning • Оптимизаторы: SGD, Adam, RMSprop • Data augmentation • Практика: дообучение ResNet/VGG на собственных данных 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.
|
|
||||||||||||||||||||||||||
