Data Science. Уровень 3: Нейронные сети
Аналитика и Data Science

Нейронные сети – это математические модели и их программное воплощение.

Нейронная сеть имитирует структуру и свойства организации нервной системы живых организмов и позволяет решать задачи с заданным алгоритмом и формулами, учитывая прошлый опыт. Это обучаемая система.

Основная идея использования нейросетей – решение сложных задач, для которых стоит лишь задать некоторый критерий качества, который будет минимизирован или оптимизирован. Нейронная сеть способна обучаться решению задач, для которых у человека не существует формализованных, быстрых или работающих с приемлемой точностью теоретических или эмпирических алгоритмов.

Записаться на курс

Ближайший старт групп

22 ноября

Длительность курса

44 ак.часа

Стоимость курса

39 450 руб.
Для кого
подойдет этот курс
инженерам нейросетей

научитесь создавать модель и проводить её обучение

дата сайентистам

овладеете технологиями создания интеллектуальных систем на основе математического моделирования

Чему вы научитесь

работать с библиотекой Keras

работать с полносвязной нейронной сетью

решать задачи сверточных нейронных сетей

решать задачи классификации, регрессии и построения временных рядов

внедрять нейронные сети в продакшн

проектировать нейронные сети

Программа курса
В этом курсе вас ожидает
11 тематических
модулей
44 академических
часа
В этом курсе вас ожидает
11 тематических
модулей
44 академических
часа
Введение в библиотеку Keras
    • Глубинное обучение.
    • Микросервисы глубинного изучения.
    • Назначение Keras.
    • Основной функционал.
    • Установка и настройка.
    • Методы написания нейронных сетей.
    • Основные разделы библиотеки.
    • Два основных типа моделей: последовательная модель Sequential и класс Model.
    • Слои в Keras.
Архитектуры нейронных сетей: Dense слои (полносвязные)
    • Понятие нейронная сеть. История развития.
    • Решаемые задачи.
    • Полносвязные нейронные сети Dense слои (перцептрон).
    • Разбор кода, решение задачи с помощью полносвязной нейронной сети.
Архитектуры нейронных сетей: conv слои (сверточные)
    • Свёрточные нейронные сети.
    • Задачи распознавания изображений.
    • Архитектура свёрточной нейронной сети.
    • Разбор кода – решение задач распознавания изображений с помощью свёрточных нейронных сетей.
Архитектуры нейронных сетей: метрики и функции потерь. Проблема переобучения
    • Метрики и функции потерь.
    • Проблема переобучения.
    • Метрики, используемые в нейронных сетях и функции потерь.
    • Оптимизаторы.
    • Понятие переобучения и способы решения проблем с переобучением.
Решение задач с помощью нейронных сетей: классификация
    • Классификация.
    • Решение задач классификации с использованием нейронных сетей.
Решение задач с помощью нейронных сетей: регрессия
    • Решение задач регрессии с использованием нейронных сетей.
Решение задач с помощью нейронных сетей: прогнозирование временных рядов
    • Прогнозирование временных рядов.
    • Проблемы временных рядов, трудности и пути решения.
    • Особенности разделения обучающей и тестовой выборки.
    • Разбор кода и решение задачи прогнозирования временных рядов с помощью нейронных сетей.
Решение задач с помощью нейронных сетей: обработка аудио при помощи нейронных сетей
    • Особенности работы с аудио.
    • Параметризация аудио.
    • Архитектуры нейронных сетей.
    • Разбор кода и решение задачи классификации аудиофайлов.
Решение задач с помощью нейронных сетей: классификация изображений
    • Задача сегментации изображений.
    • Сложности, области применения.
    • Метрики качества.
    • Разбор кода – сегментация изображений для автопилота.
Решение задач с помощью нейронных сетей: внедрение в Production
    • Особенности внедрения нейронных сетей в продакшн.
Построение модели нейронной сети и внедрение в Production
    • Обучение нейронной сети – классификация изображений.
    • Создание веб – приложения.
    • Загрузка на heroku.com.
Требования к подготовке

Среднее профессиональное или высше образование, знания в области Data Science и Machine Learning.

Связанные курсы

В качестве подготовки к данному курсу Вы можете пройти обучение по программам:

Основы программирования и баз данных

Data Science. Уровень 1: Основные технологии. Python для анализа данных

Data Science. Уровень 2: Машинное обучение

 

После прохождения данного обучения Вы можете продолжить своё развитие в данной сфере на курсах:

Data Science. Уровень 4: Нейронные сети. Продвинутый уровень

Расписание
Даты проведения
Время проведения курса
Дни недели
Формат обучения
22 ноя
27 дек
18:30 - 21:40
вт чт
Задать свой вопрос
+7 495 182-83-85
edu@bmstu.ru Мы работаем ежедневно с 9:00 до 21:00
+7 495 182-83-85
edu@bmstu.ru Мы работаем ежедневно с 9:00 до 21:00