Описание курса «Машинное обучение и нейросетевой анализ данных в Python»

Название курса:
Машинное обучение и нейросетевой анализ данных в Python
Правообладатель:
Федеральное государственное бюджетное образовательное учреждение высшего образования «Поволжский государственный технологический университет»
Дата начала курса:
Понедельник, 15 февраля 2021
Продолжительность курса:
12 нед.
Общая трудоемкость:
3
Тип курса:
Асинхронный
Запись на курс:
По кодовому слову
Возможность получить сертификат:
Нет
Описание курса

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.

Программа (содержание) курса

Тема 1. Основные понятия машинного обучения. Подход к управлению, основанный на данных или что такое машинное обучение.

Тема 2. Решение задач регрессионного анализа данных.

Тема 3. Решение задач классификации.

Тема 4. Решение задач снижения размерности и кластеризации.

Тема 5. Модель многослойной нейросети

Тема 6. Обучение многослойной нейросети.

Тема 7. Классификация данных. Анализ изображений.

Тема 8. Сверточные сети. Анализ изображений.

Тема 9. Нейросетевой факторный анализ. Автоэнкодинговые сети. 

Входные требования

Требуется: 

- знание Python на уровне использования базовых конструкций и простого графического анализа функций (см. курс Программирование в Python и методы вычислений);

- хорошее знание основ матричной и векторной алгебры (см. курсы Линейная алгебра и геометрия. Часть 1. Алгебра Матриц, Линейная алгебра и геометрия. Часть 2: векторная алгебра);

Результаты обучения

- Понимать и уметь решать основные задачи машинного обучения на основе современных пакетов программ.

- Понимать как устроены современные нейросетевые инструменты решения разнообразных задач машинного обучения.

- Строить нейросетевые классификаторы для анализа изображений и данных произвольного вида.

- Выполнять линейный и нелинейный нейросетевой факторный анализ.

Компетенции

ОПК-2 Способен использовать  современные информационные  технологии и программные  средства, в том числе  отечественного производства при решении задач  профессиональной  деятельности (09.03.01, 09.03.02, 09.03.03)

ПКР-4 - Готовность к использованию методов и инструментальных средств исследования объектов профессиональной деятельности (09.03.04)

ОПК-2 Способен самостоятельно  проводить экспериментальные  исследования и использовать  основные приемы обработки и  представления полученных данных (11.03.02)

ОПК-2 Способен применять  современные методы исследования,  представлять и аргументировано  защищать результаты выполненной  работы (11.04.01)

ПК-2 способность разрабатывать программное обеспечение, необходимое для обработки информации и управления в мехатронных и робототехнических системах, а также для их проектирования (15.03.06);

Направления подготовки

09.03.01 Информатика и вычислительная техника

09.03.02 Информационные системы и технологии

09.03.03 Прикладная информатика

09.03.04 Программная инженерия

11.03.02 Инфокоммуникационные технологии и системы связи

11.04.01 Радиотехника

15.03.06 Мехатроника и робототехника

27.03.04 Управление в технических системах

09.06.01 Информатика и вычислительная техника

Авторы курса
Нехаев Игорь Николаевич
начальник Центра Электронного Обучения, к.т.н.,доцент каф. прикладной математики и информационных технологийПоволжского государственного технологического университета

Пенкин Станислав Вячеславович
Программист лаборатории электронных образовательных технологий ЦЭО ПГТУ

Презентация курса