Аннотация рабочей программы дисциплины
«Глубокие нейронные сети на Python»

Цель изучения дисциплины В рамках дисциплины «Глубокие нейронные сети на Python» рассматривается применение нейросетей для решения прикладных задач компьютерного зрения и анализа текстов. Вы узнаете, как устроена модель искусственного нейрона и нейронной сети, а также как обучать нейронную сеть решать задачи анализа данных. Будут рассмотрены популярные в настоящее время архитектуры нейронных сетей: сверточные, сети долго-краткосрочной памяти (LSTM) и управляемые рекуррентные блоки (GRU).
Место дисциплины в учебном плане Б1.О.3
Формируемые компетенции ОПК-2
Знания, умения и навыки, получаемые в результате освоения дисциплины
Знать:
современные информационно-коммуникационные и интеллектуальные технологии, инструментальные среды, программно-технические платформы для решения профессиональных задач.
методы постановки задач, проведения и анализа тестовых и экспериментальных испытаний работоспособности систем искусственного интеллекта.
функциональность современных инструментальных средств и систем программирования в области создания моделей искусственных нейронных сетей

Уметь:
обосновывать выбор современных информационно-коммуникационных и интеллектуальных технологий, разрабатывать оригинальные программные средства для решения профессиональных задач.
ставить задачи и проводить тестовые и экспериментальные испытания работоспособности систем искусственного интеллекта, анализировать результаты и вносить изменения
проводить оценку и выбор моделей искусственных нейронных сетей и инструментальных средств для решения задач машинного обучения
применять современные инструментальные средства и системы программирования для разработки и обучения моделей искусственных нейронных сетей

Иметь навыки и (или) опыт деятельности (владеть):
методами разработки оригинальных программных средств, в том числе с использованием современных информационно-коммуникационных и интеллектуальных технологий, для решения профессиональных задач.
Содержание дисциплины Основы программирования нейронных сетей. Обучение искусственной нейронной сети. Нейронные сети для анализа табличных данных. Нейронные сети для задачи анализа изображений. Нейронные сети для задачи анализа естественного языка .
Виды учебной работы Лекции, практические, самостоятельная работа.
Используемые информационные, инструментальные и программные средства
Браузер (Google Chrome, Mozilia Firefox)

Используется бесплатно-распространяемое программное обеспечение:
1. Python – https://www.python.org/
2. TensorFlow – https://www.tensorflow.org/
3. Веб - среда разработки для языка программирования Python: google colab - https://colab.research.google.com/

Microsoft Office 2010 (Office 2010 Professional, № 4065231 от 08.12.2010), (бессрочно);
Microsoft Windows 7 (Windows 7 Professional, № 61834699 от 22.04.2013), (бессрочно);
Chrome (http://www.chromium.org/chromium-os/licenses), (бессрочно); 7-Zip (http://www.7-zip.org/license.txt), (бессрочно);
AcrobatReader (http://wwwimages.adobe.com/content/dam/Adobe/en/legal/servicetou/Acrobat_com_Additional_TOU-en_US-20140618_1200.pdf), (бессрочно);
ASTRA LINUX SPECIAL EDITION (https://astralinux.ru/products/astra-linux-special-edition/), (бессрочно);
LibreOffice (https://ru.libreoffice.org/), (бессрочно);
Веб-браузер Chromium (https://www.chromium.org/Home/), (бессрочно);
Антивирус Касперский (https://www.kaspersky.ru/), (до 23 июня 2024);
Архиватор Ark (https://apps.kde.org/ark/), (бессрочно);
Okular (https://okular.kde.org/ru/download/), (бессрочно);
Редактор изображений Gimp (https://www.gimp.org/), (бессрочно)
Профессиональные базы данных, информационно-справочные системы
1. Цифровая библиотека научно-технических изданий Института инженеров по
электротехнике и радиоэлектронике (Institute of Electrical and Electronic Engineers (IEEE)) на
английском языке – http://www.ieee.org/ieeexplore
2. Oxford University Press – http://www.oxfordjournals.org/en/
3. Архив препринтов с открытым доступом – https://arxiv.org/
Материалы для лиц с ОВЗ
Весь контент ЭБС представлен в виде файлов специального формата для воспроизведения
синтезатором речи, а также в тестовом виде, пригодном для прочтения с использованием
экранной лупы и настройкой контрастности.
Базы данных, информационно-справочные и поисковые системы
1. Academic Search Ultimate EBSCO publishing – http://search.ebscohost.com
2. eBook Collections Springer Nature – https://link.springer.com/
3. Гугл Академия – https://scholar.google.ru/
4. СПС КонсультантПлюс (инсталлированный ресурс АлтГУ или http://www.consultant.ru/).
5. Электронная база данных «Scopus» (http://www.scopus.com);
6. Электронная библиотечная система Алтайского государственного университета (http://elibrary.asu.ru/)
7. Электронный научный архив УрФУ https://elar.urfu.ru/
8. Зональная научная библиотека (УрФУ) - http://lib.urfu.ru/
9. Портал информационно-образовательных ресурсов УрФУ https://study.urfu.ru/
10. Электронно-библиотечная система «Лань» – https://e.lanbook.com/
11. Университетская библиотека ONLINE – https://biblioclub.ru/
12. Электронно-библиотечная система "Библиокомплектатор" (IPRbooks) http://www.bibliocomplectator.ru/available
13. Электронные информационные ресурсы Российской государственной библиотеки https://www.rsl.ru/
14. Научная электронная библиотека «КиберЛенинка» https://cyberleninka.ru/
Форма промежуточной аттестации Зачет.