neural_networks

KO | EN

gitlite — search

#python #hacktoberfest #ai #typescript #llm #golang #go #android #java #kubernetes #security #pytorch #mcp #open-source

neural_networks

(★ 13)

No description available.

neural_networks 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# Искуственные нейронные сети

В данном репозитории представлен перечень материалов по предметам **"Искуственные нейронные сети"** и **"Методы глубокого обучения в задачах обработки пространственных данных"** для студентов групп **ФГиИБ-2021-ФГиИБ-ПИ-1б**, **ФГиИБ-2024-ФГиИБ-ПИабпд-1м**.

[Статистика выполнения работ **ФГиИБ-2022-ФГиИБ-ПИ-1б**](https://docs.google.com/spreadsheets/d/16y4igDGDjGtmPh7Hy1Uf_fAdXH2H2WPu5FQD_IpOh1M/edit?gid=1082323949#gid=1082323949)

[Статистика выполнения работ **ФГиИБ-2025-ФГиИБ-ПИабпд-1м**](https://docs.google.com/spreadsheets/d/12dDKMAFfDtrMIfYAkLMc3LQvcc3UWzinmwzQcOIqOhU/edit?gid=1863917226#gid=1863917226)

[Дополнительная литература](https://cloud.mail.ru/public/veX3/Aasf7g7U8)

| №   | Дата       | Ссылка на теорию                     | Домашняя работа                  |
|-----|------------|--------------------------------------|--------------------------------------|
| 1   | 08.02.2026-11.02.2026 |  [**Теория №1. Введение в глубокое обучение**](https://cloud.mail.ru/public/DT4S/FrLBSHQbf)      | [Практическая работа №1. Построение простой нейросети на Python](https://colab.research.google.com/github/Alexandre77777/neural_networks/blob/main/1.%20%D0%9F%D0%BE%D1%81%D1%82%D1%80%D0%BE%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%BF%D1%80%D0%BE%D1%81%D1%82%D0%BE%D0%B9%20%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D1%81%D0%B5%D1%82%D0%B8%20%D0%B2%20%D1%81%D1%80%D0%B5%D0%B4%D0%B5%20Google_Colaboratory/%D0%9F%D1%80%D0%B0%D0%BA%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F_%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%B0_%E2%84%96_1_%D0%9F%D0%BE%D1%81%D1%82%D1%80%D0%BE%D0%B5%D0%BD%D0%B8%D0%B5_%D0%BF%D1%80%D0%BE%D1%81%D1%82%D0%BE%D0%B9_%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D1%81%D0%B5%D1%82%D0%B8_%D0%B2_%D1%81%D1%80%D0%B5%D0%B4%D0%B5_Google_Colaboratory_%D0%BD%D0%B0_%D1%8F%D0%B7%D1%8B%D0%BA%D0%B5_%D0%BF%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_Python_%D0%9E%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B1%D0%B0%D0%B7%D0%BE%D0%B2%D0%BE%D0%B9_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8.ipynb)   |
|     |            | [Краткий конспект теории](https://colab.research.google.com/drive/1xu_AkUJf42XErHL7uHIdazMySf9SE0HU?usp=sharing)  | |
|     |            | [Электронные таблицы с примерами обучения ИНС дельта-методом](https://docs.google.com/spreadsheets/d/1uAS6KdOTw5bGm3OSYiD4z0WhcJz-t37ZYCj8VTyVsrU/edit?gid=588898032#gid=588898032)  | |
| 2    |12.02.2026-28.02.2026| [**Теория №2. Обучение ИНС, используя библиотеку Keras в задачах регрессии и классификации**](https://u.to/aD3iIQ)  | [Практическая работа №2. Использование глубоких нейронных сетей для решения задач регрессии и классификации](https://colab.research.google.com/drive/1ukuIfEVZ5RkmVyTueFNhm52hkUg16QZa?usp=sharing)|
|     |            | [Основные понятия (БАЗА)](https://colab.research.google.com/drive/1ZQplq1aLCyiCofTsFObmz6e8VSn1ahx-?usp=sharing)  | |
| 3    |28.02.2026-04.03.2026| [Теория №2.1. Расширение возможностей при обучении и взаимодействии с моделью: колбэки и Gradio](https://colab.research.google.com/drive/1yM47dvyMqSBaMSVIdJvDutq_waWW0V61?usp=sharing)  | |
| 4 | 04.03.2026-11.03.2026 | [**Теория №3. Сверточные нейронные сети (CNN)**](https://colab.research.google.com/drive/1PUvx9rGgAYSb2dZfGbzjfqRK86CLzsko?usp=sharing) | 1. Изучить конспект в п. 1 Теории №3<br>2. Интегрировать Callback-функции в текущую и последующие работы (см. пример в Теории №2.1)<br>3. Изучить п. 4 Теории №3 (особое внимание обратите на создание веб-интерфейса в Streamlit)<br>4. Выполнить [Практическую работу №3](https://colab.research.google.com/drive/1fLKjdQsvrAldS3iIT9KFswU-d6kAK8_C?usp=sharing) |
|     |            | [Визуализация слоёв полносвязных и сверточных ИНС](https://colab.research.google.com/drive/1PH2kElB3ViUCgReJnQaygsBRMx4sXvrl?usp=sharing)  | |
| 5 | 11.03.2026-18.03.2026 | [**Теория №4. Регуляризация. BatchNormalization и Dropout**](https://colab.research.google.com/drive/1jQn5GLS7c-UDVqyTCX4N8I0XEVIWbDaB?usp=sharing) | 1. Внимательно изучить конспект: [Градиентный спуск](https://colab.research.google.com/drive/10U5QZVqgIAP46bdj8wu_PuI0J1jugxiC?usp=sharing)<br>2. Разобрать материал, рассматриваемый на паре: [Теория №4](https://colab.research.google.com/drive/1jQn5GLS7c-UDVqyTCX4N8I0XEVIWbDaB?usp=sharing)<br>3. Выполнить [Практическую работу №4](https://colab.research.google.com/drive/1xOXzXGPK07bf37INmCjQEfN-qYSAnCbL?usp=sharing) |
|     |            | [Дополнительно: Градиентный спуск](https://colab.research.google.com/drive/10U5QZVqgIAP46bdj8wu_PuI0J1jugxiC?usp=sharing)  | |
| 6 | 18.03.2026-25.03.2026 | [**Теория №5. Архитектуры свёрточных нейросетей и Transfer Learning**](https://colab.research.google.com/drive/1AOAlbgdnPcr94qJFyMumVpnVezuDnocy?usp=sharing) | [Практическая работа №5. Архитектуры свёрточных нейросетей и Transfer Learning](https://colab.research.google.com/drive/1c5HICW8l6iguGB2usvsk5w3exFhFzML7?usp=sharing) |
| 7 | 25.03.2026-01.04.2026 | [**Теория №6. Автоэнкодер**](https://colab.research.google.com/drive/15zlzAvkUMUDW3aDn0Wr4SLTgNXYn68j_?usp=sharing) | [Практическая работа №6. Проектирование автоэнкодеров для решения прикладных задач](https://colab.research.google.com/drive/1ggwvEO3NRZs8z6zsAMoKwKIiwsq41R5D?usp=sharing) |
| 8    | 01.04.2026-08.04.2026 | [**Теория №7. Использование автоэнкодера для решения задач семантической сегментации: базовый пайплайн (ручной генератор)**](https://colab.research.google.com/drive/1EKaPGxtB9MPkKZpAmQ4c8kCCNvcGoP-c?usp=sharing) |  |
|     |                       | [**Использование автоэнкодера для решения задач семантической сегментации: современный пайплайн на tf.data (патчи на лету)**](https://colab.research.google.com/drive/1hyK_nN_o1FhySZrxjII0Jm3g-6HvsdZv?usp=sharing) |[Практическая работа №7. Использование автоэнкодера U-Net для решения задач семантической сегментации]( https://colab.research.google.com/drive/1E2q6bxEJkGk3QJULWsWtwTycrWD0xr0M?usp=sharing) |
|     |                       | [**Дополнительно: квантование и оптимизация моделей**](https://colab.research.google.com/drive/1hyK_nN_o1FhySZrxjII0Jm3g-6HvsdZv#scrollTo=wWSrNOR4eCG3) | |
| 9 | 08.04.2026-15.04.2026 | [**Теория №8. Генеративно-состязательная сеть (GAN)**](https://colab.research.google.com/drive/1XPRDSL3-VSbHvNLSoHP_G2EufLPs_P64?usp=sharing) | [Практическая работа №8. Генеративно-состязательная сеть (GAN)](https://clck.ru/3T2NKQ) |
| 10| 15.04.2026-22.04.2026 | [**Теория №9. Использование модели YOLO для решение задач детекции и классификации**](https://clck.ru/3T8Neo) | [Практическая работа №9. Использование модели YOLOv26 для решение задач детекции и классификации](https://clck.ru/3T8Ne8) |
| 11| 29.04.2026-06.05.2026 | [**Теория №10. Развертывание моделей глубокого обучения**](https://u.to/AhuGIg) | [Практическая работа №10. Развертывание моделей глубокого обучения](https://u.to/EhuGIg) |
| 12| 06.05.2026-13.05.2026 | [**Теория №11. Контейнеризация и развертывание ML-моделей с NVIDIA Triton Inference Server**](https://u.to/9AmSIg) | [Практическая работа №11. Развёртывание модели классификации изображений на NVIDIA Triton Inference Server](https://u.to/-gmSIg) |
| 13| 13.05.2026-20.05.2026 | [**Теория №12. Создание интеллектуальной системы на основе больших языковых моделей (LLM) с применением технологии Retrieval Augmented Generation (RAG)**](https://u.to/ArKTIg) | [Практическая работа №12. Разработка специализированного LLM-агента с веб-интеграцией](https://u.to/JrKTIg) |
| 14| 20.05.2026-27.05.2026 | [**Теория №13. Использование MLflow в задачах машинного обучения и глубокого обучения**](https://clck.ru/3TokVJ) | |

###### Адрес электронной почты преподавателя: streltsovas@miigaik.ru

neural_networks

neural_networks 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

neural_networks

neural_networks 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README