• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Майнор посвящен теории и практике применения нейросетевых технологий для решения различных задач. Охватываются такие направления как теория нейронных сетей, нейроматематика, нейроуправление, нейрокомпьютеры и их реализации в специализированных нейропакетах для задач обработки изображений, текстов, сигналов, криптографии, информационной безопасности, робототехнике и др.

Курсы майнора:

Трудоемкость:  20 кредитов

Ограничения для выбора образовательным программам: ОП «Программная инженерия», ОП «Прикладная математика и информатика»

Статус

Максимальное число слушателей: 120

Годы реализации: 2019 — 2021

Целевая аудитория: студенты 2018 года набора

Планируемое место проведения: Кочновский пр., д. 3



Майнор «Нейросетевые технологии» отлично подходит для всех желающих изучить современные достижения в области машинного обучения, компьютерного зрения и нейронных сетей. Для обучения понадобится знание любого высокоуровневого языка программирования и базовое понимание основ алгоритмизации. Основной плюс данного майнора, что он основан на практике. Фокус и упор сделан не только на математической теории, но и на практическом применении решаемых задач. На курсе слушатель на многочисленных примерах из разных сфер науки и техники изучит основные модели нейронных сетей и узнает, в каких случаях их использовать; рассмотрит различные алгоритмы обучения; ознакомится с подходами предотвращения переобучения и изучит методы их оценки. После успешного прохождения курса студент сможет применять навыки машинного обучения на практике в той сфере деятельности, где он работает. Майнор «Нейросетевые технологии» – отличная возможность для получения базовых знаний в самой продвинутой на данный момент области IT.
Владимир Кашицын
Майнор помог в цельном понимании нейросетей и их разнообразии. В майноре рассматривается не только применение нейросетей, но и принципы их работы (будет и математическое объяснение обучения нейросетей), подходы к разным сферам (как они могут использоваться, к примеру, в металлургии, робототехнике и др. сферах) и различные типы нейросетей. В этом курсе можно отметить комплексность рассмотрения темы нейросетей (конечно, при этом хорошо не забывать смотреть тематический план дисциплины, чтобы понимать порядок этапов рассмотрения и держать целостную картину обучения в голове).
Дмитрий Баранов


Преподаватели майнора всячески приветствуют интерес студентов к области нейросетевых технологий, что выражается в междисциплинарных курсовых и ВКР, проводимых студентами майнора:
- ВКР:          Устройство генерации секретного ключа для приватного обмена сообщениями по локальной сети на основе древовидных машин четности
- ВКР  + КР: Разработка программы распознавания модуляции радиосигнала в сложной помеховой обстановке
- ВКР + КР: Моделирование человеческого поведения при прохождении методики "Исключение предметов" искусственной нейронной сетью
- КР:           Программа для решения задачи распознавания образов на основе свёрточной нейронной сети глубокого обучения


Вопросы проекта «День Майнора онлайн»:
1. Опишите свой майнор пятью словами.
    Все про нейронные сети и нейрочипы

2. Опишите дисциплины вашего майнора. Почему они важны для изучения?
Теория нейронных сетей - основы основ всех нейронных сетей, без понимания теории все дальнейшее изучение бессмыслено, а также немножко о биологических нейронных сетях.
Нейроматематика - фактически продолжение теории, с уклоном на математические задачи, алгоритмы и методы, лежащих в их основе. 
Нейрокомпьютеры - все о "железе", самых высокопроизводительных компьютерах, без которых немыслимо создание искуственного мозга, новые материалы и кванты.
Применение нейросетевых технологий - увидеть, что нейронные сети - везде, это не только картинки и звук, но и безопасность, радиолокация и психология, космос и наномир.

3. Портрет студента которому будет интересен майнор.
В душе - ученый и инженер. Хочется потрогать что-то, поломать, потом собрать, забыть детальку, но получить новое устройство, лучше прежнего.
Постоянно мучают вопросы "А почему так?", "А если сделать по другому?"
Одновременно отвечу, кому не будет интересно:
- математикам: тут не будет строгих доказательств, теорем и аксиом, все работает "как-то так".
- программистам: мы не учим, и нам все равно, какие языки вы знаете, какой "лучше", какая библиотека быстрее, нейросетевик думает на языке алгоритмов, а не программ.
- не любящие читать: читать придется  много, в том числе на английском.

4. Три навыка, который студент приобретет после прохождения курса.
 а) ставить и решать задачи, где необходимо обучать компьютер чему-то
 б) чтения профессиональной литературы
 в) публичных выступлений с докладом на заданную тему

5. Развейте главный стереотип о майноре.
Это ни в коем случае не курсы машинного обучения!!!!

6. С какими сложностями может столкнуться студент при обучении на майноре.
 Если много пропускать занятий, то потом трудно наверстать и получить хорошую оценку.
 Все таки придется программировать, для тех кто не умеет вообще - мы по-быстрому изучаем Матлаб, он довольно прост.

7. Какими знаниями уже должен обладать человек для успешного прохождения майнора
Надо понимать основы математики (что такое уравнение, функция, производная...)
Надо понимать основы физики (ток, напряжение, сила, скорость ...)
Надо уметь работать с компьютером.
Желательно уметь программировать хоть на чем-то.
Школьной программы вполне хватит.

8. Какой уровень знания английского языка необходим для прохождения вашей дисциплины
Хороший, много литературы и документации на английском языке.


Пример задания (контрольная работа, дисциплина Нейрокомпьютеры, 2018)

Выход канала связи описывается следующей функцией:
y(t)= 0.3*x(t)+2.4 *x(t-1) - 4.1 *x(t-2) + 0.3 *x(t-3) -2.6* x(t-4), x(t) – сигнал на входе в канал.
Мы хотим передать через канал связи фразу (без кавычек)
‘Hello World, this is my first  program of Wiener equalizer’
Для этого нужно как-то закодировать передаваемую информацию в сигнал.
Мы решили поступить следующим образом:
- будем интерпретировать каждый символ (в том числе пробелы) в фразе как код (число), в соответствии с таблицей символов ASCII;
- вычтем из этого кода число 80;
- для передачи каждого символа будем использовать Т=30 отсчетов сигнала, амплитуда которого равна этой разнице.
Например, для символа ‘H’ (код 72) передаваемый сигнал будет иметь вид -8, -8, -8, -8 ..., (и так 30 раз).
Полный сигнал составляется из сигналов каждого символа, кроме того к нему добавляется шум, который мы смоделируем как случайную добавку к каждому отсчету сигнала, равномерно распределенную в диапазоне [-1 ; 1].
Сигнал с шумом подается на канал связи и, конечно, искажается в нем.
Построить и обучить фильтр Винера, который мог бы «выровнять» такой канал, т.е. получить сигнал с выхода канала связи и восстановить его.
1) Привести на одном графике различным цветом и типом линий изображения исходного сигнала с шумом, сигнала на выходе канала связи, сигнала на выходе фильтра Винера после обучения. Подписать легенду графика.
Вывести на экран исходную передаваемую фразу и полученную на выходе обученного фильтра Винера, для чего усреднить и округлить до целого последние 10 значений отсчетов сигнала каждого символа и перевести обратно в текст.
2) Передать через канал фразу 'This is my second signal' и используя обученный в 1) фильтр Винера восстановить сигнал с выхода канала связи. Перевести восстановленный сигнал обратно в текст, также, как в 1).
В отчет привести полное описание процесса решения задания, необходимые графики и вывод на экран. К отчету приложить рабочий код, включая все необходимые для его работы функции.





 

 
 Подпись: Майнор «Нейросетевые технологии» отлично подходит для всех желающих изучить современные достижения в области машинного обучения, компьютерного зрения и нейронных сетей. Для обучения понадобится знание любое высокоуровневого языка программирования и базовое понимание основ алгоритмизации. Основной плюс данного майнора, что он основан на практике. Фокус и упор сделан не только на математической теории, но и на практическом применении решаемых задач. На курсе слушатель на многочисленных примерах из разных сфер науки и техники изучит основные модели нейронных сетей и узнает, в каких случаях их использовать; рассмотрит различные алгоритмы обучения; ознакомится с подходами предотвращения переобучения и изучит методы их оценки. После успешного прохождения курса студент сможет применять навыки машинного обучения на практике в той сфере деятельности, где он работает. Майнор «Нейросетевые технологии» – отличная возможность для получения базовых знаний в самой продвинутой на данный момент области IT.