Разработка систем машинного обучения на фреймворке TensorFlow
- РуководительА.А. Жиленков
- Форма обученияОчная
- Трудоемкость18 академических часов
- Документ о квалификацииУдостоверение о повышении квалификации
Описание курса
Курс посвящён практическому освоению методов разработки систем машинного обучения с использованием фреймворка TensorFlow . Программа охватывает:
Для кого подходит курс
Курс адресован:
Чему вы научитесь
Преимущества курса
- Построение и обучение нейронных сетей (CNN, RNN, GAN).
- Работу с данными: загрузка, предобработка, аугментация.
- Глубокое обучение: свёрточные сети для компьютерного зрения, рекуррентные сети для обработки последовательностей.
- Современные подходы: обучение с подкреплением, трансферное обучение, развертывание моделей.
- Использование GPU и облачных сервисов для ускорения вычислений.
Для кого подходит курс
Курс адресован:
- Студентам и выпускникам направлений:
- 15.03.06 Мехатроника и робототехника.
- 09.03.01 Информатика и вычислительная техника.
- Разработчикам, желающим освоить TensorFlow для создания ML-систем.
- Специалистам в области Data Science, компьютерного зрения и анализа данных.
- Исследователям, работающим с глубоким обучением и нейросетями.
Чему вы научитесь
- Разрабатывать модели на TensorFlow: классификаторы, регрессоры, GAN, автоэнкодеры.
- Обрабатывать данные : работать с TFRecord, оптимизировать конвейеры ввода/вывода.
- Реализовывать свёрточные сети (CNN) для анализа изображений и рекуррентные сети (RNN) для обработки текста.
- Оптимизировать обучение : бороться с переобучением, использовать GPU, применять методы регуляризации.
- Развертывать модели на мобильных устройствах и в облаке (Google Cloud AI).
Преимущества курса
- Практико-ориентированность :работа с реальными кейсами (классификация изображений, генерация текста, NLP).
- Современные технологии : TensorFlow 2.x, Keras, GPU-ускорение, облачные сервисы.
- Интеграция с отраслью : Навыки, востребованные в IT, робототехнике, Data Science и AI-разработке.
- Компактный формат : Интенсивное обучение за 18 часов с акцентом на результат.
- Курс даёт углублённые знания для создания эффективных ML-систем и повышает конкурентоспособность в сфере искусственного интеллекта и анализа данных.
Программа курса
1.1 Введение в создание ИНС на базе Keras
1.2 Обучение глубинных нейронных сетей
1.3 Пользовательские модели и обучение на базе TensorFlow
1.4 Загрузка и предобработка данных на базе TensorFlow
1.5 Глубинное компьютерное зрение на базе свёрточных нейронных сетей
1.6 Рекуррентные и свёрточные сети обработке последовательностей данных
1.7 Обработка естественного языка с помощью RNN и сетей внимания
1.8 Обучение представлению и генеративное обучение с использованием автоэнкодеров и GAN
1.9 Обучение с подкреплением
1.10 Обучение, развертывание и масштабирование моделей TensorFlow
1.2 Обучение глубинных нейронных сетей
1.3 Пользовательские модели и обучение на базе TensorFlow
1.4 Загрузка и предобработка данных на базе TensorFlow
1.5 Глубинное компьютерное зрение на базе свёрточных нейронных сетей
1.6 Рекуррентные и свёрточные сети обработке последовательностей данных
1.7 Обработка естественного языка с помощью RNN и сетей внимания
1.8 Обучение представлению и генеративное обучение с использованием автоэнкодеров и GAN
1.9 Обучение с подкреплением
1.10 Обучение, развертывание и масштабирование моделей TensorFlow