Размер шрифта
  • A-
  • A
  • A+
Цвет сайта
  • R
  • A
  • A
  • A
MOOPED MOOPED MOOPED
Перейти к основному содержанию

Реализация машинного обучения и конструирование ИИ

  1. В начало
  2. Курсы
  3. Для студентов
  4. Реализация машинного обучения и конструирование ИИ
Введение в Python
Нехаев Игорь Николаевич
Реализация машинного обучения и конструирование ИИ

Введение в Python

Математика машинного обучения
Нехаев Игорь Николаевич
Реализация машинного обучения и конструирование ИИ

Математика машинного обучения

Конструирование искусственного интеллекта
Бастраков РоманЖуйков Илья ВладимировичНехаев Игорь НиколаевичПенкин Станислав Вячеславович
Реализация машинного обучения и конструирование ИИ

Конструирование искусственного интеллекта

Нейросети и их практическое применение
Васяева ЕленаВасяева Наталья СемёновнаКондратьев КонстантинНехаев Игорь НиколаевичПенкин Станислав Вячеславович
Реализация машинного обучения и конструирование ИИ

Нейросети и их практическое применение

Введение в машинное обучение
Кондратьев КонстантинКостромина МаринаНехаев Игорь НиколаевичПенкин Станислав Вячеславович
Реализация машинного обучения и конструирование ИИ

Введение в машинное обучение

Введение в анализ данных
Костромина МаринаНехаев Игорь НиколаевичПенкин Станислав ВячеславовичЧесноков Сергей
Реализация машинного обучения и конструирование ИИ

Введение в анализ данных

Python, математика машинного обучения и нейросетевой анализ изображений
Костромина МаринаЛемайкин Дмитрий ВалерьевичНехаев Игорь НиколаевичПенкин Станислав ВячеславовичПомеранцев ИльяСатыева Алина АзатовнаТарасенко Александр Владимирович
Реализация машинного обучения и конструирование ИИ

Python, математика машинного обучения и нейросетевой анализ изображений

С 2012 года нейросетевой анализ изображений вышел на первое место среди всех других методов обработки изображений в задачах анализа, классификации и генерации новых изображений. Данный курс создавался с целью познакомить Вас с нейросетями и нейросетевыми методами анализа и классификации изображений.

Курс состоит из пяти модулей и содержит необходимую теорию и практику по изучению основных моделей машинного обучения и нейросетевых вычислений, реализации нейросетей и анализа данных. Рассматриваются различные аспекты эффективного решения задачи классификации изображений, факторного нейросетевого анализа. Подробно рассматриваются архитектуры сверточных сетей и особенности их обучения и применения. Вся теория и практика построена вокруг системы кейсов – практико-ориентированных заданий: распознавание попыток подбора паролей аккаунтов в системе онлайн-платежей, изображений рукописного текста, анализа результатов обучения на онлайн-курсах. В курсе используется Python, специализированные библиотеки numpy, pandas, scipy, sklearn, tensorflow, только свободно распространяемое ПО.

Курс будет полезен студентам всех направлений, ориентирующимся на применение современных технологий компьютерной обработки данных.


Программирование в Python и методы вычислений
Нехаев Игорь НиколаевичНехаев ИгорьПенкин Станислав Вячеславович
Реализация машинного обучения и конструирование ИИ

Программирование в Python и методы вычислений

Данный курс состоит из трех модулей и содержит необходимую теорию и практику по изучению основ программирования на Python, реализации методов вычислений и визуализации результатов вычислений. Рассматриваются важные вопросы оценки погрешности вычислений, решения нелинейных уравнений и систем, аппроксимации функций. Вся теория и практика построена вокруг системы кейсов – практико-ориентированных заданий: моделирование работы круиз-контроля, траектории движения мобильного робота, интерполяции сложных поверхностей, построение регрессионных зависимостей, в том числе прогноз итоговой суммы баллов на онлайн-курсе по известным результатам обучения на 1-й половине курса. Используется только свободно распространяемое ПО

Методы оптимизации
Жуйков Илья ВладимировичНехаев Игорь НиколаевичНехаев ИгорьПенкин Станислав Вячеславович
Реализация машинного обучения и конструирование ИИ

Методы оптимизации

Курс предназначен для изучения магистрами ИВТ и рассчитан на 10 недель обучения, в которую входит выполнение тестов, лабораторного практикума и проектной работы

Хакатон по машинному обучению
Нехаев ИгорьПашуткин ДенисПуртов Евгений
Реализация машинного обучения и конструирование ИИ

Хакатон по машинному обучению

Cовременный мир – это потоки данных. Поэтому неудивительно, что все большее внимание ученых, практиков приковано к методам обработки данных и использованию полученной информации для принятия решений и для построения адаптивных систем управления. Ощущается острая нехватка программистов, умеющих обрабатывать большие массивы данных, извлекать из них информацию, строить "умные" системы, "понимающие" текст, видео, аудио, умеющие их генерировать в ответ. Необходимо учиться представлять данные в виде, который можно использовать для обучения нейронных и других классификаторов, для анализа данных, необходимо уметь выбирать наиболее подходящие методы и инструменты, коих великое множество, необходимо уметь их настраивать и использовать для обучения и построения моделей. И, наконец, необходимо научиться использовать модели для построения "умных" систем.

Компания MONETA.RU имеет дело с огромными потоками информации и решает многочисленные задачи машинного обучения, в том числе совместно с лабораторией искусственного интеллекта в обучении (ЛИИвО) Волгатеха. Предлагаемые на хакатоне кейсы являются реальными задачами, которые приходится решать ЛИИвО или в MONETA.RU. Попробуйте свои силы в решении этих задач и сравните свой результат с результатом, полученными специалистами. Вы получите доступ к данным кейсов и к базовым решениям, которые вам необходимо будет улучшить.

Линейная алгебра и геометрия. Часть 1. Алгебра Матриц
Манукянц Сурен ВалерьевичНехаев Игорь Николаевич
Реализация машинного обучения и конструирование ИИ

Линейная алгебра и геометрия. Часть 1. Алгебра Матриц

В данном курсе рассматриваются основные концепты и методы линейной алгебры и геометрии как инструменты решения реальных кейсов в области компьютерной обработки данных и машинного обучения. Курс содержит лекционный материал, тестовый материал для проверки знаний и практикум для раздела Матричная Алгебра. Примеры реализации и демонстрации алгоритмов выполнены на Python-3 и в MathCad.

Конструирование интеллектуальных агентов
Нехаев Игорь НиколаевичПенкин Станислав Вячеславович
Реализация машинного обучения и конструирование ИИ

Конструирование интеллектуальных агентов

При массовой компьютеризации и информатизации, интеллектуальные агенты (ИА), решающие задачи, нужны всем. Это прежде всего, агенты, выбирающие оптимальные маршруты поездки, передачи информации по сетям, агенты, используемые в различных компьютерных играх и виртуальных пространствах.

Чтобы создать такого помощника надо научиться формализовать задачу и сконструировать ИА, который  сможет её решить: описать знания, которые нужны для решения этой задачи, определить стратегии и алгоритмы ее решения. При этом можно научить его решать сначала более простые задачи, а затем учить решать и более сложные. Данный курс предлагает строить поисковых ИА, осуществляющих поиск решения в пространстве состояний с использованием функции цели или функции полезности (в условиях неопределенности).

Курс рассчитан на 5 недель работы обучающихся и сдачу зачета в виде теста (в общей сложности 36 часов учебного времени).

Ключ для ЗАПИСИ: (---)

Линейная алгебра и геометрия. Часть 2: векторная алгебра
Колчев АлексейНехаев Игорь НиколаевичНехаев Игорь
Реализация машинного обучения и конструирование ИИ

Линейная алгебра и геометрия. Часть 2: векторная алгебра

В данном курсе рассматриваются основные концепты и методы линейной алгебры и геометрии как инструменты решения реальных кейсов в области компьютерной обработки данных и машинного обучения. Курс содержит лекционный материал, тестовый материал для проверки знаний и практикум. Примеры реализации и демонстрации алгоритмов выполнены на Python-3 и в MathCad.

Машинное обучение и нейросетевой анализ данных в Python
Манукянц Сурен ВалерьевичНехаев Игорь НиколаевичПенкин Станислав Вячеславович
Реализация машинного обучения и конструирование ИИ

Машинное обучение и нейросетевой анализ данных в Python

Сегодня применение машинного обучения и искусственного интеллекта может существенно повысить эффективность процессов принятия решения. Для этого надо знать модели принятия решения, основанные на данных. 

Данный курс состоит из трех модулей и содержит необходимую теорию и практику по изучению основных моделей машинного обучения и нейросетевых вычислений, реализации нейросетей и анализа данных. Рассматриваются различные аспекты эффективного решения задачи классификации изображений, факторного нейросетевого анализа. Подробно рассматриваются архитектуры сверточных сетей и особенности их обучения и применения. Вся теория и практика построена вокруг системы кейсов – практико-ориентированных заданий: распознавание попыток подбора паролей аккаунтов в системе онлайн-платежей, изображений рукописного текста, анализа результатов обучения на онлайн-курсах. В курсе используется только свободно распространяемое ПО.

Авторы курса более 5 лет используют данный курс в Волгатехе для чтения студентам 2-го курса магистратуры направлений «информационно-вычислительные системы» и «программная инженерия». Курс будет полезен студентам всех направлений, ориентирующимся на применение современных технологий компьютерной обработки данных.

Общая информация

О портале
Технические требования
Формы и способы оплаты

Наши ресурсы

РЦКОО
Волгатех
Образовательный портал

Образовательные ресурсы

Каталог курсов
Современная цифровая образовательная среда в РФ

Обратная связь

Контакты
Сообщить о проблеме