У вас уже есть заявка на текущий период.
Если вы хотите, чтобы данная программа участвовала в розыгрыше гранта в этом месяце, необходимо добавить ее в папку "Интересные мероприятия".
Или создайте заявку на другой период.
08.07.2020 - 10.07.2020 Уточните расписание у организатора. Возможно он не успел обновить расписание.
Форма обучения:
Очная/дневная
Вид мероприятия:
Курсы
Тип мероприятия:
Открытые
Целевая аудитория
Для аналитиков, разработчиков программного обеспечения, руководителей и специалистов по работе с большими данными.
Преподаватель
Н.В. Комиссаренко
Анонс программы
Практический курс Введение в нейронные сети на Python предназначен для спеицаитов, которые хотят получить следующие знания и навыки: понять, что такое нейросети, машинное обучение и искусственный интеллект; освоить принципы функционирования нейронных сетей; знать, как эффективно использовать нейросетевые модели в бизнесе; разобраться с математическими основами нейронных сетей; освоить базовые методы работы с нейросетевыми алгоритмами; обрабатывать датасеты для подготовки к моделированию; научиться строить собственные модели нейронных сетей; интерпретировать результаты моделирования.
Описание программы
Простейшие нейронные сети
Теоретическая часть: основные понятия; классификация задач, решаемых с помощью методов машинного обучения; виды данных, понятие датасета; полносвязные нейронные сети.
Практическая часть: первичный анализ датасета, предобработка данных, построение полносвязной нейронной сети.
Математические основы нейронных сетей
Теоретическая часть: метрики качества работы нейронной сети, градиентный спуск, алгоритм обратного распространения ошибки, эффект переобучения.
Практическая часть: тонкая настройка нейронной сети на примере задачи классификации изображений.
Практическая часть: использование предобученных нейронных сетей на примере задачи классификации изображений.
Решение кейса: “Классификация изображений”
Теоретическая ...
Подробнее о программе
Простейшие нейронные сети
Теоретическая часть: основные понятия; классификация задач, решаемых с помощью методов машинного обучения; виды данных, понятие датасета; полносвязные нейронные сети.
Практическая часть: первичный анализ датасета, предобработка данных, построение полносвязной нейронной сети.
Математические основы нейронных сетей
Теоретическая часть: метрики качества работы нейронной сети, градиентный спуск, алгоритм обратного распространения ошибки, эффект переобучения.
Практическая часть: тонкая настройка нейронной сети на примере задачи классификации изображений.