Нейрондық желілер және олардың қосымшалары

Рыстыгулова В.Б. – ф.- м.ғ.к., қауымдастырылған профессор міндетін атқарушы. 1. MOOC сипаттамалары 1.1. Пәнді оқытудың мақсаты. «Нейрондық желілер және олардың қосымшалары» пәнін оқытудың мақсаты нейрондық желілердің теориялық және математикалық негіздерін, олардың негізгі және мамандандырылған архитектураларын, оқыту әдістерін, оңтайландыруын және ретке келтіруін, сондай-ақ деректерді талдау, компьютерлік көру және табиғи тілді өңдеудегі қолданбалы есептерді шешу үшін нейрондық желі модельдерін қолданудың практикалық дағдыларын жан-жақты түсінуді дамытуға бағытталған. Бұл курс студенттерді заманауи құрылымдармен және өнеркәсіптік әзірлеу құралдарымен, генеративті модельдермен, жасанды интеллекттің қауіпсіздігі мен этикасымен, сондай-ақ нейрондық желіні дамытудың қазіргі үрдістері мен перспективаларымен таныстырады. Бұл өздерінің кәсіби қызметінде нейрондық желілік технологияларды тиімді және жауапкершілікпен пайдалана алатын мамандарды даярлауды қамтамасыз етеді. 1.2. Пәнді оқытудың міндеттері. «Нейрондық желілер және олардың қосымшалары» пәнінің модульдері бойынша оқытудың міндеттері: 1-модуль: Нейрондық желілердің негіздері және негізгі архитектуралары Бұл модуль студенттерді нейрондық желілердің тарихымен, негізгі тұжырымдамаларымен және математикалық аппаратымен таныстыру арқылы негіз қалайды. Ол ең қарапайым перцептроннан бастап көп қабатты желілерге дейінгі архитектураларды қамтиды, сондай-ақ олардың негізгі оқыту механизмі – кері таралу алгоритмін егжей-тегжейлі қарастырады. 2-модуль: Терең оқыту: мамандандырылған архитектуралар және дәл баптау Бұл модуль оқыту тиімділігін арттыру үшін оңтайландыру және реттеу әдістерін қарастырады. Студенттер әртүрлі деректер түрлеріне арналған мамандандырылған архитектураларды зерттейді: терең оқытудың негізін құрайтын кескіндерге арналған конволюциялық желілер (CNN) және тізбектерге арналған қайталанатын желілер (RNN). 3-модуль: Қолданбалар және генеративті модельдер Мұнда назар компьютерлік көру және табиғи тілді өңдеу (NLP) сияқты нақты әлемдегі мәселелерде нейрондық желілерді практикалық қолдануға аударылады. Модуль сонымен қатар жаңа мазмұн жасауға қабілетті қуатты генеративті модельдерді - автокодерлерді және генеративті қарсылас желілерді (GAN) енгізеді. 4-модуль: Өнеркәсіптік даму, қауіпсіздік және үрдістер Соңғы модуль инженерлік және этикалық аспектілерге бағытталған. Онда өнеркәсіптік модельдерді әзірлеу және орналастыру құралдары, қауіпсіздік мәселелері (мысалы, шабуылдардан қорғау) және жасанды интеллект этикасын қамтиды, сондай-ақ нейрондық желілердің қазіргі үрдістері мен болашақ дамуына шолу жасалады. 1.3. Оқу нәтижелері. «Нейрондық желілер және олардың қолданылуы» пәні бойынша оқу нәтижелері. Білім: Студенттер нейрондық желілердің теориялық және математикалық негіздерін, оларды құру және пайдалану принциптерін, жасанды нейрондық желілердің негізгі архитектураларын (перцептрон, көп қабатты желілер, CNN, RNN, автокодерлер, GAN), оқыту және оңтайландыру әдістерін, жоғалту функциялары мен сапа көрсеткіштерін, сондай-ақ нейрондық желілерді қолданбалы қолдану салаларын, заманауи терең оқыту құрылымдарын, қауіпсіздік мәселелерін және нейрондық желілік технологияларды пайдаланудың этикалық аспектілерін үйренеді. Дағдылар: Студенттер жіктеу, регрессия, кескін және мәтінді талдау мәселелерін шешу үшін нейрондық желілерді жобалап, конфигурациялай алады, тиісті архитектуралар мен оқыту әдістерін таңдай алады, оңтайландыру және регуляризациялау алгоритмдерін қолдана алады, метрикаларды қолдана отырып модельдердің жұмысын талдай алады, оқыту нәтижелерін түсіндіре алады және нейрондық желі шешімдерін қолданбалы және зерттеу жобаларына біріктіре алады. Дағдылар: Студенттер бағдарламалық жасақтаманы енгізу, оқыту және заманауи фреймворктерді (TensorFlow, PyTorch) пайдалана отырып, нейрондық желілерді тестілеу бойынша практикалық дағдыларды, деректермен жұмыс істеу, гиперпараметрлерді конфигурациялау, нәтижелерді визуализациялау, шамадан тыс сәйкестендіруді анықтау және жою дағдыларын, сондай-ақ кәсіби қызметте нейрондық желілік технологияларды жауапты және қауіпсіз пайдалану дағдыларын игереді. 2. Пререквизиты. Жасанды интеллектке кіріспе 3. Постреквизиттер. Жасанды интеллект және сараптамалық жүйелер 4. Академиялық кредиттер саны / MOOC ұзақтығы – 30 академиялық сағат. 5. Курстың қиындық деңгейі: орташа