Технології машинного навчання

Спеціальність: Комп'ютерні науки
Код дисципліни: 8.122.00.M.49
Кількість кредитів: 4.00
Кафедра: Автоматизовані системи управління
Лектор: Березький О.М., д.т.н., професор
Семестр: 4 семестр
Форма навчання: денна
Результати навчання: - Здатність використовувати поглиблені теоретичні та фундаментальні знання в галузі інформаційних технологій машинного навчання для генерування та класифікації зображень в системах комп’ютерного зору. - Здатність розробляти і впроваджувати компоненти інформаційних технологій генерування та класифікації зображень. - Здатність зорієнтуватися на рівні спеціаліста в певній вузькій області інформаційних технологій машинного навчання, яка лежить поза межами вибраної спеціалізації. - Здатність ефективно проводити системний аналіз, здійснювати вибір програмних засобів аналізу та синтезу зображень, вміти розробляти програмні системи опрацювання сигналів і зображень. - Здатність застосувати знання та практичні навики аналізу відповідних нормативних документів, чинних стандартів і технічних умов у галузі. - Практичне застосовування знань та новітніх технологій машинного навчання для опрацювання сигналів і зображень. - Отримання навиків роботи в команді та вирішення конфліктів.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Пререквізити - Методи аналізу та оптимізації складних систем. Кореквізити - Інтелектуальні системи підтримки прийняття рішень.
Короткий зміст навчальної програми: Класифікація та особливості методів машинного навчання. Теоретичні основи методів навчання нейронних мереж. Методи, алгоритми опрацювання зображень. Метод та алгоритми регуляризації та нормалізації в нейронних мережах. Згорткові нейронні мережі та автокодувальники. Породжувальні моделі та змагальні мережі. Нейробайєсові мережі машинного навчання.
Методи та критерії оцінювання: Практичні заняття - опитування, реферати (40%), екзамен - письмова контрольна робота (60%)
Рекомендована література: 1. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. — СПб.: Питер, 2018. — 480 с. 2. Goodfellow Bengio YCouruille A. Deep Learning, MIT Press, 2016, http:// www.deeplearningbook.org. 3. Deng L.y Yu D. Deep Learning: Methods and Applications / / Foundations and Trends in Signal Processing, 2014, vol. 7, no. 3-4. — P. 197-387.