Курс находится на модерации. Данные могут быть неактуальны.
Тип обучения
Тип обучения
Курс
Зач. единицы
Зач. единицы
2
Сертификат
Сертификат
1 800 ₽ для получения

Стоимость курса

бесплатно
нет рассрочки
В курсе рассматриваются математические модели нейронных сетей, особое внимание уделяется многослойным нейронным сетям и решаемым с их помощью задачам. Рассматриваются принципы построения нейронных сетей, методы обучения и оценки обобщающей способности, особенности подготовки данных для обучения и интерпретации результатов обучения, приводятся практические рекомендация при построении нейронных сетей для решения прикладных задач обработки данных.

Вас будут обучать

К.н.т., доцент Должность: доцент НИЯУ МИФИ

Образовательная организация

НИЯУ МИФИ – один из лучших национальных университетов, осуществляющих подготовку элитных специалистов для атомной сферы, науки, ИТ и других высокотехнологичных секторов экономики России.

Миссия университета - генерация, распространение, применение и сохранение научных знаний в интересах решения глобальных проблем XXI века.

НИЯУ МИФИ – признанный лидер в прорывных направлениях:

- ядерные исследования и технологии;

- лазерные, плазменные и пучковые технологии;

- СВЧ-наноэлектроника;

- нанобиотехнологии, биомедицина и медицинская физика;

- информационные технологии.

Университет развивает перспективные направления:

- космические исследования и технологии;

- управляемый термоядерный синтез;

- материалы для ядерного и космического применения.

Уникальные преимущества образования в НИЯУ МИФИ:

- Уникальные образовательные программы, ориентированные на профессии будущего и перспективные научные направления

- Обучение в сотрудничестве с ведущими мировыми корпорациями и крупными научными центрами мира

- Собственные современные уникальные экспериментальные установки и центры

- Стажировки студентов в ведущих научных центрах и лабораториях мира, участие в международных научноисследовательских и инновационных проектах, экспериментах Mega science. Среди них ATLAS, ALIСE, CMS в CERN; FAIR, XFEL в DESY (Германия); ITER (Франция); ICECUBE, PAMELA (Италия); STAR и PHENIX (США); T2K (Япония).

- Модульность, междисциплинарность и индивидуализация обучения

- Соответствие образовательных программ международным стандартам инженерного образования

Новый элемент системы российского образования — открытые онлайн-курсы — cможет перезачесть любой университет. Мы делаем это реальной практикой, расширяя границы образования для каждого студента. Полный набор курсов от ведущих университетов. Мы ведём системную работу по созданию курсов для базовой части всех направлений подготовки, обеспечивая удобное и выгодное для любого университета встраивание курса в свои образовательные программы
«Открытое образование» – это образовательная платформа, предлагающая массовые онлайн-курсы ведущих российских вузов, которые объединили свои усилия, чтобы предоставить возможность каждому получить качественное высшее образование.

Любой пользователь может совершенно бесплатно и в любое время проходить курсы от ведущих университетов России, а студенты российских вузов смогут засчитать результаты обучения в своем университете.

Программа курса

Module 1. Introduction.

1. Artificial neural networks as biologically inspired models.

2. The structure of a neuron.

3. Brief history of artificial neural networks.

4. AI, ML and ANNs.

5. An overview of neural network architectures.

 

Module 2. Multilayer neural networks.

Lesson 1. Activation functions.

Lesson 2. Mathematical model of multilayer neural network. Lesson 3. Loss functions.

Lesson 4. Backpropagation algorithm.

 

Module 3. Neural Network Training algorithms.

Lesson 1. Gradient descent methods.

Lesson 2. Per-parameter adaptive learning rate methods.

Lesson 3. Stochastic gradient descent.

Lesson 4. Second order methods.

Lesson 5. Weight initialization.

 

Module 4. Generalization in Neural Networks.

Lesson 1. Generalization capability.

Lesson 2. Bias-variance decomposition.

Lesson 3. Cross-validation techniques.

Lesson 4. Regularization techniques.

Lesson 5. Dropout and batch-normalization.

Рейтинг курса

3.5
рейтинг
0
0
0
0
0

Может быть интересно

обновлено 21.04.2024 01:35
Нейронные сети

Нейронные сети

Оставить отзыв
Поделиться курсом с друзьями