Моделі глибинного машинного навчання (прикладна математика)

Тип: На вибір студента

Кафедра: обчислювальної математики

Навчальний план

СеместрКредитиЗвітність
96Залік

Лекції

СеместрК-сть годинЛекторГрупа(и)
932доцент Музичук Ю. А.ПМп-51м

Лабораторні

СеместрК-сть годинГрупаВикладач(і)
932ПМп-51мдоцент Музичук Ю. А., Гарасим Я. С.

Опис курсу

Курс “Моделі глибинного машинного навчання” є продовженням дисципліни Основи машинного навчання (ПМ). Його основною метою є ознайомити студента із сучасними задачами машинного навчання та популярними методами їхнього розв’язування – глибокими нейронними мережами. Курс охоплює такі розділи: Основи машинного навчання, Згорткові нейронні мережі для задач комп’ютерного зору та Моделювання послідовностей в рекурентних нейронних мережах. При розгляді цих тем основна увага зосереджується на встановленні необхідного математичного апарату для розв’язування поставлених задач, дослідженні архітектур відповідних нейронних мереж та використанні сучасних бібліотек та засобів для програмування цих алгоритмів. Викладення матеріалу здійснюється за допомогою актуальних термінів та понять з галузі інформаційних технологій.

Рекомендована література

  1. Géron A. Hands-On Machine Learning with Scikit-Learn and TensorFlow: Techniques and Tools to Build Learning Machines / Aurélien Géron. – O’Reilly Media, 2018. – 566p.
  2. Goodfellow I. Deep Learning / Ian Goodfellow, Yoshua Bengio, Aaron Courville. – MIT Press, 2016. – WWW: http://www.deeplearningbook.org
  3. Howard J. Deep Learning for coders with Fastai and PyTorch: AI applications without a PhD / Jeremy Howard, Sylvain Gugger. – O’Reilly Media, 2020. – WWW: https://github.com/fastai/fastbook
  4. McLure N. TensorFlow Machine Learning / Nick McLure. – Packt Publishing, 2017. – 351p.
  5. Zhang A. Dive into Deep Learning / A.Zhang, Zachary C. Lipton, Mu Li, Alexander J. Smola. – arXiv preprint arXiv:2106.11342, 2021. ­– WWW: https://arxiv.org/abs/2106.11342

Силабус: 2023р.

Завантажити силабус