Введение в архитектуры нейронных сетей

Мейрамханов Т.Ж. - Магистр,сеньор-лектор, Саттыкова Б.Е.- Магистр, ассистент. 1.1. Характеристика МООК Курс даёт системное введение в архитектуры нейронных сетей и их обучение: перцептрон и MLP, базовые функции активации и потерь, оптимизация (SGD/Adam), регуляризация (L2, dropout), нормализация (BatchNorm), основы CNN для изображений, обзор последовательностных моделей и механизма внимания. Практические занятия ориентированы на корректную постановку задач, аккуратную валидацию и интерпретацию метрик на понятных примерах. Цель изучения сформировать у обучающихся устойчивые знания об архитектурах нейронных сетей (НС) и практические навыки выбора/реализации базовой архитектуры под задачу, корректного обучения и оценки качества. 1.2. Задачи изучения: 1. разобрать назначение слоёв, активаций, функций потерь и оптимизаторов; 2. освоить регуляризацию/нормализацию и приёмы контроля переобучения; 3. научиться готовить данные и проводить валидацию; 4. получить навыки прототипирования моделей; 5. уметь оформлять результаты (отчёт с метриками). 1.3. Результаты обучения: Студент: объясняет ключевые компоненты НС; строит и обучает MLP/CNN под заданную задачу; применяет регуляризацию и валидацию; корректно интерпретирует Accuracy/F1; готовит отчёт с таблицей метрик и выводами. Пререквизиты. Системы искусственного интеллекта. Постреквизиты. Разработка искусственных нейронных сетей. Количество академических кредитов - 5 Уровень сложности курса: средний