Аннотация рабочей программы дисциплины
«Нейронные сети. Глубокое обучение»

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 и видео. Нейронные сети для задачи анализа естественного языка .
Виды учебной работы Лекции, лабораторные, 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.