?

Details
Table Card RUSMARC
Title: Разработка учебно-методических средств для исследования моделей глубокого обучения: выпускная квалификационная работа бакалавра: 09.03.01 - Информатика и вычислительная техника ; 09.03.01_01 - Вычислительные машины, комплексы, системы и сети
Creators: Волкова Мария Дмитриевна
Scientific adviser: Никитин Кирилл Вячеславович
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint: Санкт-Петербург, 2018
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: разработка учебно-методических средств; глубокое обучение; лабораторные работы
Document type: Bachelor graduation qualification work
File type: PDF
Language: Russian
Speciality code (FGOS): 09.03.01
Speciality group (FGOS): 090000 - Информатика и вычислительная техника
Links: Отзыв руководителя; Рецензия
DOI: 10.18720/SPBPU/2/v18-5032
Rights: Доступ по паролю из сети Интернет (чтение, печать, копирование)

Allowed Actions: –

Action 'Read' will be available if you login or access site from another network Action 'Download' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

В выпускной работе проводится разработка учебно-методических средств для исследования моделей глубокого обучения. В работе рассмотрены задачи, модели глубокого обучения. Был проведен анализ средств для работы с глубоким обучением. Разработка проводилась на языке Python в Jypiter Notebook.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
Internet Authorized users SPbPU Read Print Download
Internet Authorized users (not from SPbPU)
-> Internet Anonymous

Table of Contents

  • Глоссарий
  • ВВЕДЕНИЕ
  • 1. Обзор существующих технологий глубокого обучения
    • 1.1. Сравнение программ глубокого обучения
    • 1.2. Модели нейронных сетей
    • 1.3. Существующие лабораторные работы
  • 2. Анализ задач и моделей глубокого обучения
    • 2.1. Анализ задач
      • 2.1.1. Классификация изображений
      • 2.1.2. Локализация объекта
      • 2.1.3. Прогнозирование временных рядов
    • 2.2. Анализ моделей
      • 2.2.1. Сверточная нейронная сеть
      • 2.2.2. Долгая краткосрочная память
  • 3. Реализация комплекса
    • 3.1. IPython и Jupyter Notebook
    • 3.2. Описание готовых работ
      • 3.2.1. Структура курса
      • 3.2.2. Реализация первой лабораторной работы
      • 3.2.3. Реализация второй лабораторной работы
      • 3.2.4. Реализация третьей лабораторной работы
  • 4. Апробация курса лабораторных работ
    • 4.1. Лабораторная работа 1
    • 4.2. Лабораторная работа 2
    • 4.3. Лабораторная работа 3
  • ЗАКЛЮЧЕНИЕ
  • СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
  • ПРИЛОЖЕНИЕ 1. Настройка рабочей среды
  • ПРИЛОЖЕНИЕ 2. Лабораторная работа. Классификация изображений

Usage statistics

stat Access count: 347
Last 30 days: 1
Detailed usage statistics