Нейросетевые технологии: Python, PyTorch, TensorFlow и Kaspersky Neuromorphic Platform
Практико-ориентированная программа по программированию, анализу данных, машинному обучению и нейросетевым технологиям. Обучающиеся освоят Python, PyTorch и TensorFlow, познакомятся с нейроморфными вычислениями и Kaspersky Neuromorphic Platform, научатся обучать нейросетевые модели и применять их для распознавания изображений, анализа данных и управления объектами в симуляторах.
Мехтех
Запись на курс закрыта
Планируемые результаты обучения (приобретаемые компетенции)
Знать:
* основы программирования на Python, обработки и визуализации данных, классического машинного обучения и оценки качества моделей;
* принципы построения и обучения нейронных сетей, возможности PyTorch и TensorFlow, основы нейроморфных вычислений, спайковых нейронных сетей и Kaspersky Neuromorphic Platform.
Уметь:
* разрабатывать программы на Python, обрабатывать и визуализировать данные, создавать, обучать и оценивать модели машинного обучения и нейронные сети;
* проектировать базовые спайковые нейронные сети, проводить вычислительные эксперименты и применять интеллектуальные алгоритмы для управления объектами в симуляторах.
Владеть:
* навыками работы с командной строкой, Git, Jupyter Notebook, NumPy, Pandas, Matplotlib, PyTorch, TensorFlow и инструментами нейроморфного моделирования;
* навыками постановки исследовательской задачи, подготовки данных, проведения и документирования экспериментов, анализа результатов и публичной защиты собственного проекта.
* основы программирования на Python, обработки и визуализации данных, классического машинного обучения и оценки качества моделей;
* принципы построения и обучения нейронных сетей, возможности PyTorch и TensorFlow, основы нейроморфных вычислений, спайковых нейронных сетей и Kaspersky Neuromorphic Platform.
Уметь:
* разрабатывать программы на Python, обрабатывать и визуализировать данные, создавать, обучать и оценивать модели машинного обучения и нейронные сети;
* проектировать базовые спайковые нейронные сети, проводить вычислительные эксперименты и применять интеллектуальные алгоритмы для управления объектами в симуляторах.
Владеть:
* навыками работы с командной строкой, Git, Jupyter Notebook, NumPy, Pandas, Matplotlib, PyTorch, TensorFlow и инструментами нейроморфного моделирования;
* навыками постановки исследовательской задачи, подготовки данных, проведения и документирования экспериментов, анализа результатов и публичной защиты собственного проекта.
Преподаватели курса
Устинов Дмитрий Дмитриевич
Закончил физический факультет МГУ в 2015 году.
С 2019 ведёт кружок гуманоидных роботов в Физтех-лицее.
Команды кружка стали победителями международных соревнований FIRA, ROBOCUP, Робофинист.
Расписание курса
| День недели | Время | Аудитория | Преподаватель |
|---|---|---|---|
| Суббота | 17:00 — 19:35 | К301 | Устинов Дмитрий Дмитриевич |
Запись на курс закрыта