Разработка систем машинного обучения на фреймворке TensorFlow
  • Руководитель
    А.А. Жиленков
  • Форма обучения
    Очная, очно-заочная
  • Трудоемкость
    18 академических часов
  • Документ о квалификации
    Удостоверение о повышении квалификации
Разработка систем машинного обучения на фреймворке TensorFlow
0
р.
р.
Описание курса
Курс посвящён практическому освоению методов разработки систем машинного обучения с использованием фреймворка TensorFlow . Программа охватывает:
  • 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
  1. Практико-ориентированность :работа с реальными кейсами (классификация изображений, генерация текста, NLP).
  2. Современные технологии : TensorFlow 2.x, Keras, GPU-ускорение, облачные сервисы.
  3. Интеграция с отраслью : Навыки, востребованные в IT, робототехнике, Data Science и AI-разработке.
  4. 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.