МИНОБРНАУКИ РОССИИ

федеральное государственное бюджетное образовательное учреждение высшего образования
«Алтайский государственный университет»

Глубинное обучение

рабочая программа дисциплины

Закреплена за кафедрой	Кафедра финансов и кредита
Направление подготовки	09.04.03. Прикладная информатика
Профиль	Финансовые технологии
Форма обучения	Очная
Общая трудоемкость	6 ЗЕТ
Учебный план	09_04_03_Прикладная информатика_ФинТех-2025

Часов по учебному плану	216
в том числе:
аудиторные занятия	56
самостоятельная работа	133
контроль	27

Виды контроля по семестрам
экзамены:	3

Распределение часов по семестрам

Курс (семестр)	2 (3)		Итого
Недель	17,5		Итого
Вид занятий	УП	РПД	УП	РПД
Лекции	28	28	28	28
Практические	28	28	28	28
Сам. работа	133	133	133	133
Часы на контроль	27	27	27	27
Итого	216	216	216	216

Программу составил(и):

Рецензент(ы):

Рабочая программа дисциплины
Глубинное обучение

разработана в соответствии с ФГОС:
Федеральный государственный образовательный стандарт высшего образования - магистратура по направлению подготовки 09.04.03 Прикладная информатика (приказ Минобрнауки России от 19.09.2017 г. № 916)

составлена на основании учебного плана:
09.04.03 Прикладная информатика
утвержденного учёным советом вуза от 29.04.2025 протокол № 6.

Рабочая программа одобрена на заседании кафедры
Кафедра финансов и кредита

Протокол от г. №
Срок действия программы: уч. г.

Заведующий кафедрой
Мартенс Анна Андреевна

1. Цели освоения дисциплины

1.1.

2. Место дисциплины в структуре ООП

Цикл (раздел) ООП: Б1.О

3. Компетенции обучающегося, формируемые в результате освоения дисциплины

ОПК-5	Способен разрабатывать и модернизировать программное и аппаратное обеспечение информационных и автоматизированных систем;
ОПК-5.1	Знать современное программное и аппаратное обеспечение информационных и автоматизированных систем
ОПК-5.2	Уметь модернизировать программное и аппаратное обеспечение информационных и автоматизированных систем для решения профессиональных задач
ПК-1	Способен писать эффективный, гибкий и читаемый код для решения практических задач
ПК-1.1	Знает основные принципы разработки кода, методы обеспечения гибкости и читаемости кода, алгоритмы и структуры данных
ПК-1.2	Умеет разрабатывать и оптимизировать код для решения практических задачах
ПК-1.3	Владеет навыками применения различных языков программирования для решения практических задач в области финансовых технологий
ПК-2	Способен применять методы машинного и глубинного обучения, учитывая их ограничения, а также используя актуальные результаты научных исследований в соответствующих областях
ПК-2.1	Знает основные алгоритмы машинного и глубинного обучения, их математические основы, области применения, ограничения и возможные ошибки
ПК-2.2	Умеет разрабатывать и обучать модели машинного и глубинного обучения.
ПК-2.3	Умеет адаптировать, анализировать и интерпретировать результаты разработанных моделей
ПК-2.4	Владеет навыками использования современных библиотек и инструментов для машинного и глубинного обучения, а также навыками оценки и оптимизации моделей в реальных задачах
ПК-3	Способен применять алгоритмы машинного и глубинного обучения для решения прикладных задач, в том числе связанных с рекомендательными системами, анализом и пониманием данных различных модальностей
ПК-3.1	Знает основные алгоритмы машинного и глубинного обучения, применяемые в рекомендательных системах, а также методы анализа данных различных типов и их особенности
ПК-3.2	Умеет разрабатывать и внедрять алгоритмы для создания рекомендательных систем, анализа модальных данных, оценивать их эффективность и точность
ПК-3.3	Владеет навыками использования современных инструментов и библиотек для работы с многомодальными данными
ПК-4	Способен проектировать системы хранения и обработки больших объёмов данных, учитывая специфику предметной области, а также эффективно пользоваться данными системами
ПК-4.1	Знает принципы архитектуры систем хранения и обработки данных, базы данных, распределенные вычисления, методы оптимизации управления большими данными
ПК-4.2	Умеет разрабатывать и оптимизировать системы хранения и обработки данных
ПК-4.3	Умеет выбирать подходящие технологии для их использования в зависимости от задач и предметной области
ПК-4.4	Владеет навыками работы с инструментами обработки больших данных, методами организации и анализа данных, а также их интеграции в бизнес-процессы
В результате освоения дисциплины обучающийся должен
3.1.	Знать:
3.1.1.
3.2.	Уметь:
3.2.1.
3.3.	Иметь навыки и (или) опыт деятельности (владеть):
3.3.1.

4. Структура и содержание дисциплины

Код занятия	Наименование разделов и тем	Вид занятия	Семестр	Часов	Компетенции
Раздел 1. Глубинное обучение
1.1.	Введение в нейросети и основы машинного обучения	Лекции	3	4	ОПК-5.1, ОПК-5.2, ПК-3.1, ПК-3.2, ПК-4.1, ПК-4.2, ПК-2.1, ПК-2.2, ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.3, ПК-2.4, ПК-3.3
1.2.	Введение в нейросети и основы машинного обучения	Практические	3	4	ОПК-5.1, ОПК-5.2, ПК-3.1, ПК-3.2, ПК-4.1, ПК-4.2, ПК-2.1, ПК-2.2, ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.3, ПК-2.4, ПК-3.3
1.3.	Обучение нейросетей и оптимизация	Лекции	3	4	ОПК-5.1, ОПК-5.2, ПК-3.1, ПК-3.2, ПК-4.1, ПК-4.2, ПК-2.1, ПК-2.2, ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.3, ПК-2.4, ПК-3.3
1.4.	Обучение нейросетей и оптимизация	Практические	3	4	ОПК-5.1, ОПК-5.2, ПК-3.1, ПК-3.2, ПК-4.1, ПК-4.2, ПК-2.1, ПК-2.2, ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.3, ПК-2.4, ПК-3.3
1.5.	Глубокие полносвязные сети (Deep Feedforward Networks)	Лекции	3	4	ОПК-5.1, ОПК-5.2, ПК-3.1, ПК-3.2, ПК-4.1, ПК-4.2, ПК-2.1, ПК-2.2, ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.3, ПК-2.4, ПК-3.3
1.6.	Глубокие полносвязные сети (Deep Feedforward Networks)	Практические	3	4	ОПК-5.1, ОПК-5.2, ПК-3.1, ПК-3.2, ПК-4.1, ПК-4.2, ПК-2.1, ПК-2.2, ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.3, ПК-2.4, ПК-3.3
1.7.	Свёрточные нейросети (CNN)	Лекции	3	4	ОПК-5.1, ОПК-5.2, ПК-3.1, ПК-3.2, ПК-4.1, ПК-4.2, ПК-2.1, ПК-2.2, ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.3, ПК-2.4, ПК-3.3
1.8.	Свёрточные нейросети (CNN)	Практические	3	4	ОПК-5.1, ОПК-5.2, ПК-3.1, ПК-3.2, ПК-4.1, ПК-4.2, ПК-2.1, ПК-2.2, ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.3, ПК-2.4, ПК-3.3
1.9.	Рекуррентные сети и последовательности (RNN, LSTM, GRU)	Лекции	3	6	ОПК-5.1, ОПК-5.2, ПК-3.1, ПК-3.2, ПК-4.1, ПК-4.2, ПК-2.1, ПК-2.2, ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.3, ПК-2.4, ПК-3.3
1.10.	Рекуррентные сети и последовательности (RNN, LSTM, GRU)	Практические	3	6	ОПК-5.1, ОПК-5.2, ПК-3.1, ПК-3.2, ПК-4.1, ПК-4.2, ПК-2.1, ПК-2.2, ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.3, ПК-2.4, ПК-3.3
1.11.	Современные подходы и тренды в DL	Лекции	3	6	ОПК-5.1, ОПК-5.2, ПК-3.1, ПК-3.2, ПК-4.1, ПК-4.2, ПК-2.1, ПК-2.2, ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.3, ПК-2.4, ПК-3.3
1.12.	Современные подходы и тренды в DL	Практические	3	6	ОПК-5.1, ОПК-5.2, ПК-3.1, ПК-3.2, ПК-4.1, ПК-4.2, ПК-2.1, ПК-2.2, ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.3, ПК-2.4, ПК-3.3
1.13.	Самостоятельная работа по тематике дисциплины	Сам. работа	3	133	ОПК-5.1, ОПК-5.2, ПК-3.1, ПК-3.2, ПК-4.1, ПК-4.2, ПК-2.1, ПК-2.2, ПК-1.1, ПК-1.2, ПК-1.3, ПК-2.3, ПК-2.4, ПК-3.3

5. Фонд оценочных средств

5.1. Контрольные вопросы и задания для проведения текущего контроля и промежуточной аттестации по итогам освоения дисциплины

5.2. Темы письменных работ для проведения текущего контроля (эссе, рефераты, курсовые работы и др.)

5.3. Фонд оценочных средств для проведения промежуточной аттестации

6. Учебно-методическое и информационное обеспечение дисциплины

6.1. Рекомендуемая литература
6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет"

6.3. Перечень программного обеспечения

6.4. Перечень информационных справочных систем