«Пользователь систем искусственного интеллекта» - курс повышения квалификации

Программа курса

Ознакомьтесь с программой курса ««Пользователь систем искусственного интеллекта» - курс повышения квалификации» от ИДПО УГНТУ - ipkoil.ru

1. Базовые знания по системам искусственного интеллекта. Базовые знания по системам искусственного интеллекта.
2. Современное состояние и развитие перспективных направлений, методов и технологий в области искусственного интеллекта. Искусственный интеллект как инновационный инструмент внедрения современных средств обучения. Современное состояние и развитие перспективных н…
3. Методы и инструментальные средства систем искусственного интеллекта. Функциональность современных инструментальных средств и систем программирования в области создания моделей искусственных нейронных сетей. Методы и инструментальные средства систем искусствен…
4. Искусственные нейронные сети (ИНС), классификация, алгоритмы обучения. Искусственные нейронные сети (ИНС), классификация, алгоритмы обучения.
5. Методы распознавания образов. Методы распознавания образов.
6. Специализированные среды для реализации систем искусственного интеллекта. Специализированные среды для реализации систем искусственного интеллекта.
7. Базы данных. Системы управления базами данных. Базы данных. Системы управления базами данных.
8. Методы машинного обучения и приобретения знаний интеллектуальными системами. Методы машинного обучения и приобретения знаний интеллектуальными системами.
9. Технологии проектирования интеллектуальных систем. Технологии проектирования интеллектуальных систем.
10. Пользователь систем искусственного интеллекта. Пользователь систем искусственного интеллекта.
11. Создание простейшей нейронной сети. Полносвязные сети, обучающая и тестовая выборки. Оценка качества обучения нейросети. Принципы работы сверточных нейронных сетей. Принцип работы рекуррентных нейронных сетей. Создание простейшей нейронной сети. Полносвязные…
12. Применение функционального программирования к построению нейронных сетей. Архитектуры нейронных сетей для получения прогноза в задаче регрессии. Полносвязные и рекуррентные нейронные сети для прогнозирования временных рядов. Применение функционального програм…
13. Архитектура автокодировщиков. Снижение размерности исходного пространства. Вариационные автокодировщики. Генеративные модели на базе автокодировщиков. Генеративные состязательные сети Обучение без учителя при использовании метода обратного распространения оши…
14. Анализ различных архитектур для сегментации изображений, функции ошибок и метрики. Основные концепции обучения с подкреплением (RL, reinforcement learning). Отличие задачи 'обучение с подкреплением' от задач 'обучение с учителем' и 'обучение без учителя'. Ана…
15. Понятия сигнала, оптические, акустические, вибрационные, электромагнитные сигналы. Обработка сигналов. Дискретизация сигнала. Спектральный анализ, разложение сигнала на гармонические составляющие, преобразование Фурье и его приложения. Object Detection (обнар…

Чему вы научитесь

• Научитесь анализировать и применять: анализ различных архитектур для сегментации изображений, функции ошибок и метрики. основные концепции обучения с подкреплением (rl, reinforcement learning). отличие задачи 'обучени…
• Научитесь анализировать и применять: понятия сигнала, оптические, акустические, вибрационные, электромагнитные сигналы. обработка сигналов. дискретизация сигнала. спектральный анализ, разложение сигнала на гармоническ…
• Научитесь применять функционального программирования к построению нейронных сетей. архитектуры нейронных сетей для получения прогноза в задаче регрессии. полносвязные и рекуррентные нейронные сети для прогнозирования…
• Освоите и сможете применять: методы и инструментальные средства систем искусственного интеллекта. функциональность современных инструментальных средств и систем программирования в области создания моделей искусственны…
• Освоите и сможете применять: базы данных. системы управления базами данных. базы данных. системы управления базами данных.