Занятие 24 (лекция). Решение обратных задач в физике с помощью методов машинного обучения

Занятие 1 (лекция). Введение в нейронные сети

Занятие 2 (лекция). Основы машинного обучения. Базовые алгоритмы машинного обучения

Занятие 3 (лекция). Алгоритм обратного распространения ошибки. Многослойные персептроны

Занятие 4 (лекция). Нейронные сети на основе РБФ. Вероятностные сети и сети с общей регрессией. Сети и самоорганизующиеся карты Кохонена

Занятие 5 (лекция). Нейронные сети Хопфилда. Нейронные сети Хэмминга. Машина Больцмана

Занятие 6 (практикум). Сети с обратным распространением ошибки

Занятие 7 (лекция). Глубокие нейронные сети. Свёрточные нейронные сети

Занятие 8 (практикум). Нейронные сети Кохонена. Нейронные сети с общей регрессией

Занятие 9 (лекция). Кодирование и нормировка данных. Анализ главных компонент. Оценка значимости входов

Занятие 10 (практикум). Основы языка Python и приёмы работы с ним

Занятие 11 (лекция). Фрактальная размерность данных и алгоритмы ее определения. Анализ временных рядов

Занятие 12 (практикум). Задача линейной регрессии. Метод главных компонент

Занятие 13 (лекция). Спектральные методы обработки сигналов. Вейвлет анализ. Вейвлет нейронные сети

Занятие 14 (практикум). Введение в PyTorch

Занятие 15 (лекция). Кластер-анализ. Метод группового учета аргументов

Занятие 16 (лекция). Нечёткая логика. Нейро-нечёткие системы

Занятие 17 (лекция). Генетические алгоритмы. Многоагентные методы

Занятие 18 (практикум). Анализ текстов Python

Занятие 19 (лекция). Генетическое программирование

Занятие 20 (практикум). Задачи оптимизации

Занятие 21 (практикум). Библиотека cv2. Библиотека torchvision

Занятие 22 (лекция). Генеративные нейросетевые системы. Комбинированные алгоритмы. Ансамбли (комитеты) предикторов

Занятие 23 (практикум). Знакомство с языком программирования R

Занятие 24 (лекция). Обучение с подкреплением. Решение обратных задач в физике с помощью методов машинного обучения