• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Статья
О числе вечного доминирования планарных графов диаметра 2
В печати

Талецкий Д. С.

Дискретный анализ и исследование операций. 2025. Т. 32. № 1. С. 1-21.

Глава в книге
Robustness of Graphical Lasso Optimization Algorithm for Learning a Graphical Model

Valeriy Kalyagin, Ilya Kostylev.

In bk.: Mathematical Optimization Theory and Operations Research. 23rd International Conference, MOTOR 2024, Omsk, Russia, June 30–July 6, 2024, Proceedings. LNCS, volume 14766. Springer, 2024. P. 337-348.

Препринт
DAREL: Data Reduction with Losses for Training Acceleration of Real and Hypercomplex Neural Networks

Demidovskij A., Трутнев А. И., Тугарев А. М. et al.

NeurIPS 2023 Workshop. ZmuLcqwzkl. OpenReview, 2023

Анализ и разработка данных

2020/2021
Учебный год
RUS
Обучение ведется на русском языке
3
Кредиты

Преподаватель

Гречихин Иван Сергеевич

Гречихин Иван Сергеевич

Программа дисциплины

Аннотация

Настоящая дисциплина относится к профессиональному циклу дисциплин, обеспечивающих подготовку бакалавра по направлению «прикладная математика и информатика». Изучение данной дисциплины базируется на знании, полученных при освоении дисциплин: линейная алгебра и геометрия, математический анализ, дискретная математика, математическая статистика, программировании.
Цель освоения дисциплины

Цель освоения дисциплины

  • Целью освоения дисциплины «Анализ и разработка данных» является получение высшего профессионально профилированного (на уровне бакалавра) образования, позволяющего выпускнику успешно работать в избранной сфере деятельности, обладать универсальными и предметно-специализированными компетенциями, способствующими его социальной мобильности и устойчивости на рынке труда.
Планируемые результаты обучения

Планируемые результаты обучения

  • Знакомство с нейронными сетями
  • Понимание математических основ алгоритма обратного распространения ошибок
  • Понимание целей использования свёрточных и рекуррентных слоёв нейронной сети
  • Умение создавать архитектуры нейронных сетей и настраивать их для поставленных целей
  • Понимание уязвимых мест нейронных сетей и возможных проблем в их работе
  • Знание известных архитектур классификации изображений
  • Знание последних результатов в области глубокого обучения
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Нейронные сети: основы
    В этой теме рассказываются основные понятия связанные с нейронными сетями, базовые составляющие, а также алгоритм обратного распространения ошибки
  • Нейронные сети: настройка
    В этой теме раскрываются некоторые более сложные составляющие нейронной сети, такие как свёрточные и реккурентные слои, а также функции активации, оптимизации, ошибок и слои нормализации.
  • Архитектуры нейронных сетей
    В этой теме раскрывается то, как на основе отдельных частей нейронных сетей создаются глубокие архитектуры на примере задачи классификации изображений
Элементы контроля

Элементы контроля

  • неблокирующий Лабораторная работа
  • блокирующий экзамен
  • неблокирующий Лабораторная работа
  • блокирующий экзамен
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (1 модуль)
    0.5 * Лабораторная работа + 0.5 * экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Статистические методы анализа данных : учебник / Л.И. Ниворожкина, С.В. Арженовский, А.А. Рудяга [и др.] ; под общ. ред. д-ра экон. наук, проф. Л.И. Ниворожкиной. — М. : РИОР : ИНФРА-М, 2016. — 333 с. — (Высшее образование: Бакалавриат). — www.dx.doi.org/10.12737/21064. - Режим доступа: http://znanium.com/catalog/product/556760
  • Статистический анализ данных, моделирование и исследование вероятностных закономерностей. Компьютерный подход / Б.Ю. Лемешко, С.Б. Лемешко, С.Н. Постовалов и др. - М.: НИЦ ИНФРА-М, 2015. - 890 с.: 60x90 1/16 ISBN 978-5-16-103267-1 (online) - Режим доступа: http://znanium.com/catalog/product/515227

Рекомендуемая дополнительная литература

  • Christopher M. Bishop. (n.d.). Australian National University Pattern Recognition and Machine Learning. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.EBA0C705