Глибинне навчання та нейронні мережі
Спеціальність: Комп'ютерні науки (Системи штучного інтелекту)
Код дисципліни: 6.122.13.O.031
Кількість кредитів: 4.00
Кафедра: Системи штучного інтелекту
Лектор:
Пелешко Д.Д.
Семестр: 6 семестр
Форма навчання: денна
Завдання: Вивчення навчальної дисципліни передбачає формування та розвиток у студентів компетентностей:
інтегральна компетентність (ІНТ):
Здатність використовувати поглиблені теоретичні та фундаментальні знання в галузі інформаційних технологій, штучного інтелекту для ефективного розв’язування складних спеціалізованих задач та практичних проблем під час професійної діяльності або у процесі навчання, що передбачає їхнє застосування для розроблення складних систем, які характеризуються комплексністю та невизначеністю умов.
загальні компетентності (ЗК):
1. уміння спілкуватися другою мовою;
2. здатність навчатися;
3. уміння спілкуватися усно та в письмовій формі першою мовою;
4. здатність здійснювати пошук та аналізувати інформацію з різних джерел;
5. уміння ідентифікувати, формулювати та розв’язувати задачі;
6. уміння застосовувати знання в практичних ситуаціях;
7. уміння приймати обґрунтовані рішення;
8. уміння проводити дослідження на відповідному рівні;
9. уміння працювати в команді;
10. знання та розуміння предметної області та розуміння фаху;
11. уміння думати абстрактно, аналізувати та синтезувати;
12. уміння розробляти та керувати проектами;
13. уміння працювати самостійно.
фахові компетентності спеціальності (ФК):
1. здатність гнучкого способу мислення, який дає можливість зрозуміти й розв’язати проблеми та задачі, зберігаючи при цьому критичне відношення до усталених наукових концепцій;
2. здатність використовувати поглиблені теоретичні та фундаментальні знання в галузі штучного інтелекту для розроблення складних систем;
3. здатність формулювати, аналізувати та синтезувати рішення наукових проблем на абстрактному рівні шляхом їхньої декомпозиції на складові, які можна дослідити окремо в їх більш та менш важливих аспектах;
4. здатність будувати відповідні моделі складних систем, досліджувати їх для побудови проектів інформаційних систем;
5. здатність розробляти і впроваджувати моделі інформаційних систем засобами комп’ютерного моделювання;
6. здатність провести усну презентацію та написати зрозумілу статтю за результатами проведених досліджень, а також щодо сучасних концепцій у системах штучного інтелекту та методів опрацювання природної мови;
7. здатність формулювати (роблячи презентації, або представляючи звіти) нові гіпотези та наукові задачі в області штучного інтелекту та опрацювання природної мови, вибирати належні напрями і відповідні методи для їхнього розв’язування;
фахові компетентності спеціалізації (ФКС):
1. здатність ефективно використовувати методи глибинного навчання для прикладних задач;
2. здатність на основі математичних моделей і методів штучного інтелекту здійснювати проектування та параметризацію компонентів інтелектуальної інформаційної системи;
3. здатність формувати вимоги до розроблення інтелектуальних систем;
4. здатність ефективно проводити системний аналіз, здійснювати вибір концептуальної моделі середовища інформаційної системи на основі математичних моделей і методів штучного інтелекту, параметризацію компонентів інтелектуальної інформаційної системи;
5. здатність бути лідером розроблення та виконання проекту інтелектуальної інформаційної системи
Результати навчання: 1. Здатність формулювати та вдосконалювати важливу дослідницьку задачу, для її вирішення збирати необхідну інформацію та формулювати висновки, які можна захищати в науковому контексті.
2. Здатність використовувати професійно-профільні знання і практичні навички для оптимізації проектування інформаційних систем будь-якої складності, для вирішення конкретних завдань проектування інтелектуальних інформаційних систем з керування об'єктами різної фізичної природи.
3. Здатність проводити оцінку наявних технологій та на основі аналізу формувати вимоги до розроблення перспективних інформаційних технологій.
4. Здатність здійснювати ефективну комунікативну діяльність роботи команди зі розроблення проекту інформаційної системи.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Попередні навчальні дисципліни
Системи штучного інтелекту
Машинне навчання
Чисельні методи
Супутні і наступні навчальні дисципліни
Методи аналізу Великих даних
Машинне навчання
Моделювання та оптимізація для глибинного навчання
Короткий зміст навчальної програми: Навчальна дисципліна Проектування систем глибинного навчання є складовою циклу професійної підготовки фахівців другого освітньо-кваліфікаційного рівня “магістр”. Пропонований навчальний курс забезпечить студентам здобуття поглиблених теоретичних та практичних знань, умінь та розуміння, що відносяться до областей Data Science, Computer Vision, Deep Learning, що дасть їм можливість розв’язувати різноманітні задачі аналізу даних за допомогою систем глибокого навчання, та розроблення систем прийняття рішень на базі таких систем для виконання наукових проектів, бізнес-проектів у різних галузях.
Опис: Вступ. Основні поняття. Основні математичні операції. Examples of Deep Learning projects. Деталі курсу. Python. Бібліотеки.
Глибокі мережі прямого розповсюдження.
Регуляризація в глибокому навчанні
Оптимізація в навчанні глибоких моделей
Глибокі конволюційні нейронні мережі.
Рекурентні та рекурсивні глибокі нейронні мережі
Автоенкодери і їх навчання. Ботлнек. Машина Больцмана Конволюційні автоенкодери
GAN. Explaining and Harnessing Adversarial Examples, Generative Adversarial Nets, Conditional GAN, Super-Resolution GAN, CycleGAN
Методи та критерії оцінювання: 1. Виконання лабораторних та практичних робіт та їх захист.
2. Написання контрольних робіт.
3. Написання розрахунково-графічної роботи
4. Екзамен.
Критерії оцінювання результатів навчання: Лабораторна робота, Практична робота, Розрахунково-графічна робота - 40 балів
Іспит, Усна компонента - 60 балів
Порядок та критерії виставляння балів та оцінок: 100–88 балів – («відмінно») виставляється за високий рівень знань (допускаються деякі неточності) навчального матеріалу компонента, що міститься в основних і додаткових рекомендованих літературних джерелах, вміння аналізувати явища, які вивчаються, у їхньому взаємозв’язку і роз витку, чітко, лаконічно, логічно, послідовно відповідати на поставлені запитання, вміння застосовувати теоретичні положення під час розв’язання практичних задач; 87–71 бал – («добре») виставляється за загалом правильне розуміння навчального матеріалу компонента, включаючи розрахунки , аргументовані відповіді на поставлені запитання, які, однак, містять певні (неістотні) недоліки, за вміння застосовувати теоретичні положення під час розв’язання практичних задач; 70 – 50 балів – («задовільно») виставляється за слабкі знання навчального матеріалу компонента, неточні або мало аргументовані відповіді, з порушенням послідовності викладення, за слабке застосування теоретичних положень під час розв’язання практичних задач; 49–26 балів – («не атестований» з можливістю повторного складання семестрового контролю) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння застосувати теоретичні положення під час розв’язання практичних задач; 25–00 балів – («незадовільно» з обов’язковим повторним вивченням) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння орієнтуватися під час розв’язання практичних задач, незнання основних фундаментальних положень.
Рекомендована література: 3. Goodfellow, I., Bengio, Y., Courville, A. Deep Learning. MIT Press, 2016.
4. Charu C. Aggarwal Neural Networks and Deep Learning. Springer International Publishing. 2018.
Уніфікований додаток: Національний університет «Львівська політехніка» забезпечує реалізацію права осіб з інвалідністю на здобуття вищої освіти. Інклюзивні освітні послуги надає Служба доступності до можливостей навчання «Без обмежень», метою діяльності якої є забезпечення постійного індивідуального супроводу навчального процесу студентів з інвалідністю та хронічними захворюваннями. Важливим інструментом імплементації інклюзивної освітньої політики в Університеті є Програма підвищення кваліфікації науково-педагогічних працівників та навчально-допоміжного персоналу у сфері соціальної інклюзії та інклюзивної освіти. Звертатися за адресою:
вул. Карпінського, 2/4, І-й н.к., кімн. 112
E-mail: nolimits@lpnu.ua
Websites: https://lpnu.ua/nolimits https://lpnu.ua/integration
Академічна доброчесність: Політика щодо академічної доброчесності учасників освітнього процесу формується на основі дотримання принципів академічної доброчесності з урахуванням норм «Положення про академічну доброчесність у Національному університеті «Львівська політехніка» (затверджене вченою радою університету від 20.06.2017 р., протокол № 35).