Этот курс дает представление о современном положении дел в теории нейросетей. Рассмотрены полносвязные и сверточные нейросети на примерах задач классификации и поиска объектов на изображениях. Отдельное внимание уделяется алгоритмам обучения и настройке собственного проекта. Примеры, использованные в курсе, написаны на python с использованием numpy и TensorFlow.
| Дата и время | Занятие | Место | Материалы |
|---|---|---|---|
| 14 марта 11:50–13:20 |
Введение. Биология и математика в нейросетях. Экскурс в историю., Лекция | 2-й учебный корпус К(П)ФУ, ауд. 1011 | слайды |
| 14 марта 13:40–15:10 |
Обучение нейросетей, Лекция | 2-й учебный корпус К(П)ФУ, ауд. 1011 | слайды |
| 15 марта 11:50–13:20 |
Гиперпараметры сетей. Алгоритмы обучения. Почему Видеокарты? Обзор фреймворков., Лекция | 2-й учебный корпус К(П)ФУ, ауд. 1011 | слайды, файлы |
| 15 марта 13:40–15:10 |
Полносвязные нейросети. Сверточные нейросети, Лекция | 2-й учебный корпус К(П)ФУ, ауд. 1011 | слайды |
| 16 марта 13:20–15:10 |
Окружение проекта на примере DetectNet. Поиск объектов на изображении, Лекция | 2-й учебный корпус К(П)ФУ, ауд. 1011 | слайды |
| 16 марта 15:20–16:50 |
Сегментация и генерация изображений, Лекция | 2-й учебный корпус К(П)ФУ, ауд. 1011 | файлы |
