Введение в искусственные нейронные сети и машинное обучение
Название спецкурса на английском языке
Introduction to artificial neural networks and machine learning
Пререквизиты
Отсутствуют
Целевая аудитория
3-6 курс, магистранты
аспиранты
Подразделение
[Кафедра МаТИС]
Семестр
Полгода (осень)
Тип курса
Спецкурс по выбору студента
Учебный год
2024/25
Список тем
Понятие алгоритма и сложности. Задачи сортировки и поиска. Предобработка данных. Хэширование.
Динамическое программирование и задача выравнивания последовательностей. Глобальное и локальное выравнивание. Алгоритм BLAST.
Сборка генома. Картирование ридов на известный геном. Суффиксные массивы и
преобразование Барроуза-Уилера. Секвенирование РНК. Алгоритм Median-of-ratios.
Теория вероятностей. Дискретные случайные величины.
Теория вероятностей. Непрерывные случайные величины.
Математическая статистика. Оценивание параметров.
Математическая статистика. Проверка гипотез и поправки на множественность.
Задача классификации. Метод ближайших соседей и его вариации. Нормализация данных. Показатели качества.
Машинное обучение. Задача классификации. Метод опорных векторов и методы на основе деревьев.
Машинное обучение. Задача регрессии.
Машинное обучение. Задача кластеризации.
Введение в теорию искусственных нейронных сетей.
Обучение искусственных нейронных сетей.
Оптимизаторы. Метод обратного распространения ошибки.
Применение искусственных нейронных сетей для анализа изображений. Свёрточные нейронные сети.
Динамическое программирование и задача выравнивания последовательностей. Глобальное и локальное выравнивание. Алгоритм BLAST.
Сборка генома. Картирование ридов на известный геном. Суффиксные массивы и
преобразование Барроуза-Уилера. Секвенирование РНК. Алгоритм Median-of-ratios.
Теория вероятностей. Дискретные случайные величины.
Теория вероятностей. Непрерывные случайные величины.
Математическая статистика. Оценивание параметров.
Математическая статистика. Проверка гипотез и поправки на множественность.
Задача классификации. Метод ближайших соседей и его вариации. Нормализация данных. Показатели качества.
Машинное обучение. Задача классификации. Метод опорных векторов и методы на основе деревьев.
Машинное обучение. Задача регрессии.
Машинное обучение. Задача кластеризации.
Введение в теорию искусственных нейронных сетей.
Обучение искусственных нейронных сетей.
Оптимизаторы. Метод обратного распространения ошибки.
Применение искусственных нейронных сетей для анализа изображений. Свёрточные нейронные сети.
Список источников
Брик Х., Феверолф М., Ричардс Д., Машинное обучение, Библиотека программиста:
Питер, 2017 – 336 с.
Заде Л., Понятие лингвистической переменной и его применение к принятию приближенных решений: Мир, 1976 — 166 с.
Мак-Каллок, У. С. , Питтс, В. Логическое исчисление идей, относящихся к нервной активности = A logical calculus of the ideas immanent in nervous activity: Автоматы, 1956 - 363 – 384 с.
Минский М ., Пейперт С., Персептроны = Perceptrons: Мир, 1971 — 261 с.
Розенблатт Ф. , Принципы нейродинамики: Перцептроны и теория механизмов
мозга = Principles of Neurodynamic: Perceptrons and the Theory of Brain Mechanisms:
Мир, 1965 — 480 с.
Николенко С., Архангельская Е., Кадурин А, Глубокое обучение, покружение в мир нейронных сетей, Библиотека программиста: Питер, 2020 – 480 с.
Бенджио И., Курвилль А., Гудфеллоу Я., Глубокое обучение: ДМК-Пресс, 2018 – 652 с.
Liou C., Cheng C., Liou J.-W., Liou D., Autoencoder for Words: Neurocomputing, 2014 - v.139, 84-96 p.
Lesk, A. M.. Introduction to bioinformatics , 2012
Питер, 2017 – 336 с.
Заде Л., Понятие лингвистической переменной и его применение к принятию приближенных решений: Мир, 1976 — 166 с.
Мак-Каллок, У. С. , Питтс, В. Логическое исчисление идей, относящихся к нервной активности = A logical calculus of the ideas immanent in nervous activity: Автоматы, 1956 - 363 – 384 с.
Минский М ., Пейперт С., Персептроны = Perceptrons: Мир, 1971 — 261 с.
Розенблатт Ф. , Принципы нейродинамики: Перцептроны и теория механизмов
мозга = Principles of Neurodynamic: Perceptrons and the Theory of Brain Mechanisms:
Мир, 1965 — 480 с.
Николенко С., Архангельская Е., Кадурин А, Глубокое обучение, покружение в мир нейронных сетей, Библиотека программиста: Питер, 2020 – 480 с.
Бенджио И., Курвилль А., Гудфеллоу Я., Глубокое обучение: ДМК-Пресс, 2018 – 652 с.
Liou C., Cheng C., Liou J.-W., Liou D., Autoencoder for Words: Neurocomputing, 2014 - v.139, 84-96 p.
Lesk, A. M.. Introduction to bioinformatics , 2012
Дополнительная информация
Занятия проходят в ауд 464, биологического корпуса МГУ по пятницам в 17-30.
День недели
пятница
Время
16:45-18:20
Аудитория
Ещё не назначена
Аудитория первого занятия
Ещё не назначена
Статус курса
Запись открыта
Форма записи на курс
Заполнение формы записи на курс доступно только студентам. Для записи на курс авторизуйтесь, пожалуйста, в студенческом аккаунте.