✅Вариант страницы одобрен авторами курса

<aside> 💡 Курс разработан при поддержке фонда и рекомендован к прослушиванию студентами в рамках Академической программы по искусственному интеллекту.

</aside>

Формат курса:

Курс является спецкурсом по выбору для студентов, обучающихся в бакалавриате.

Преподаватели:

Березин Сергей Борисович

к.ф.-м.н., доцент кафедры математической физики, ВМК МГУ Руководитель лаборатории Информационных технологий в научных исследованиях Научные интересы: современные технологии программирования, программное обеспечение для поддержки научных исследований

Untitled

Аннотация:

Cпецкурс посвящён практическим приёмам решения задач машинного обучения. Будут построены, обучены и проверены модели в классических задачах машинного обучения, таких как классификация, обнаружение объектов на изображении, обнаружение аномалий в сигнале, оценка параметров динамической системы, обучение с подкреплением. Каждая задача будет решена “от начала до конца”. Скрипты и записные книжки Jupiter будут доступны в материалах курса.

Будут рассмотрены сопутствующие задачи сбора, хранения и визуализации данных, сравнения результатов экспериментов по машинному обучению, обеспечения воспроизводимости экспериментов, подбора гиперпараметров и программные средства для их решения.

Практикум:

Спецкурс сопровождается практическими заданиями, в ходе которых студенты строят, обучают и оценивают качество обучения для нескольких моделей. Результатом каждого практического задания является записная книжка Jupyter Notebook или набор скриптов.

Страница курса с актуальной информацией и материалами:

https://1drv.ms/u/s!AoUBsNCTy7DbhpkeG1V81flpqTMTxQ?e=bp3v9s

Программа курса:

  1. Машинное обучение и искусственный интеллект. Какие модели мы обучаем?
  2. Основные определения и метрики машинного обучения. Программные пакеты для решения задач машинного обучения. Визуализация, работа с данными, записные книжки, облачные технологии.
  3. Подбор гиперпараметров в задаче классификации.
  4. Глубокое обучение. Нейронные сети прямого распространения. Численное дифференциирование.