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
Машинное обучение как часть направления искусственного интеллекта является одним из наиболее перспективных и динамично развивающихся областей исследований, результаты которого уже сегодня демонстрируют эффективность в самых различных прикладных областях: в медицине, биологии, робототехнике, в обработке больших объемов данных, в создании автономных систем и устройств, в распознавании речи, поисковых системах. В курсе рассматриваются основные положения, понятия, методы, модели и алгоритмы машинного обучения для решения задач классификации, восстановления регрессии и кластеризации. Особое внимание уделено фундаментальным понятиям машинного обучения, включая эмпирический функционал риска или ошибки, переобучение, компромисс между обучением и тестированием. Также большое внимание уделено вопросам, связанным с обучением нейронных сетей, с различными конфигурациями нейронных сетей, включая сверточные сети и порождающие сети.  

Вас будут обучать

Д.т.н., профессор Должность: директор Высшей школы прикладной математики и вычислительной физики, ИПММ
Должность: магистрант Высшей школы прикладной математики и вычислительной физики, ИПММ
Должность: магистрант Высшей школы прикладной математики и вычислительной физики, ИПММ

Образовательная организация

Политехнический университет многофункциональное государственное высшее учебное заведение.

В 2010 году он получил статус национального исследовательского университета, что явилось признанием его роли и возможностей как в области подготовки кадров, так и в мультидисциплинарных научных исследованиях и разработках.

В рейтинге технических университетов России Политехнический неизменно занимает ведущие позиции. Политехнический университет стремится с максимальной ответственностью реализовывать государственную политику в сфере высшего образования. Одно из направлений этой политики – создание новой экономики: экономики знаний, лидерства и инноваций. И ключевым звеном здесь становятся высококвалифицированные кадры, владеющие передовыми мировыми технологиями, способные решать новые комплексные задачи промышленности и готовые вывести российскую экономику на новый уровень развития. 

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

Тема 1. Введение в машинное обучение        

            Лекция 1. Базовые понятия машинного обучения. Основные инструменты машинного обучения

            Лекция 2. Визуализация данных. Математические модели и методы.

Тема 2. Методы машинного обучения.

            Лекция 3. Алгоритм распознавания

            Лекция 4. Методы обучения: машинное обучение с учителем, машинное обучение без учителя, оценка качества модели

Тема 3. Введение в нейронные сети    

            Лекция 5. Базовые понятия и определения нейронных сетей

            Лекция 6. Базовые архитектуры нейронных сетей

            Лекция 7. Алгоритмы машинного обучения

Тема 4. Модели знаний и элементы объяснительного интеллекта         

            Лекция 8. Формирование моделей знаний

            Лекция 9. Элементы объяснительного интеллекта.

Тема 5. Перспективы развития нейронных сетей.  

Лекция 10. Перспективы направления применения нейронных сетей в прикладных задачах распознавания экспериментальных данных

Рейтинг курса

3.5
рейтинг
0
0
0
0
0
обновлено 14.04.2024 01:51
Основы нейроинформатики и машинного обучения

Основы нейроинформатики и машинного обучения

Оставить отзыв
Поделиться курсом с друзьями