Vai al contenuto principale

Blocchi

Salta Navigazione

Navigazione

  • Dashboard

    • Home del sito

    • Pagine del sito

      • I miei corsi

      • Tag

      • FileІнструкція для здобувачів освіти до вибору дисципл...

      • URLВибір дисциплін на 2025-2026 навчальний рік

      • URLВибір дисциплін на 2024-2025 навчальний рік

      • ForumНовини сайту

      • URLІнструкція - основи роботи з системою Moodle

      • URLЦИВІЛЬНИЙ ЗАХИСТ

      • CartellaНормативна база СЕЗН

      • URLВідновлення пароля

      • FileПам’ятка для користувача системи Moodle

      • FileСистема оцінки курсу

      • FeedbackОцінка якості курсу

    • I miei corsi

    • Corsi

      • Факультети, кафедри

        • Біологічний факультет

        • Економічний факультет

        • Журналістики факультет

        • Інженерний навчально-науковий інститут ім. Ю.М. По...

        • Іноземної філології факультет

        • Математичний факультет

          • Кафедра загальної математики

          • Кафедра загальної та прикладної фізики

          • Кафедра комп'ютерних наук

            • archive

            • Сучасні інформаційні технології перекладу

            • Освітні вимірювання

            • Теорія інформації та кодування даних

            • Сучасні інформаційні системи і технології

            • Науково-дослідницька практика (ОНП)_4 семестр

            • Виробнича практика (ОНП 2024) 2 семестр

            • Курсова робота з дисципліни «Бази даних та інформа...

            • Сучасні мови програмування

            • Комп`ютерні мережі

            • Підготовка кваліфікаційної роботи магістра (ОНП)

            • Методи та технології розроблення цифрових двійників

            • Інтелектуальні інформаційні системи

              • Основи глибинного навчання.

                • FileОснови глибинного навчання

                • FileПрості нейромережі на мові Python

                • CompitoЛабораторна робота №1 (10 балів)

                • FileПочаток работи з нейронними мережами

                • CompitoЛабораторна робота №2 (10 балів)

                • QuizТест 1 (10 балів)

              • Початок роботи з нейронними мережами.

              • Обробка даних. Конструювання ознак. Навчання ознак

              • Підсумковий контроль

          • Кафедра прикладної математики і механіки

          • Кафедра програмної інженерії

          • Кафедра фундаментальної та прикладної математики

          • Практична підготовка математичного факультету

          • Інформація, Статистика Математичного факультету

        • Менеджменту факультет

        • Соціальної педагогіки та психології факультет

        • Соцiологiї та управлiння факультет

        • Факультет історії та міжнародних відносин

        • Факультет фізичного виховання, здоров'я та туризму

        • Філологічний факультет

        • Юридичний факультет

      • Аспірантура

      • Науково-технічна позашкільна освіта

      • Підготовчі курси до ЗНО

      • Адміністративний розділ

      • Центр післядипломної освіти та професійних кваліфі...

      • Школа педагогічної майстерності

  • Chiudi
    Attiva/disattiva input di ricerca
  • Italiano ‎(it)‎
    • Русский ‎(ru)‎
    • Українська ‎(uk)‎
    • Deutsch ‎(de_old)‎
    • English ‎(de)‎
    • English ‎(en)‎
    • Español - Internacional ‎(es)‎
    • Français ‎(fr)‎
    • Italiano ‎(it)‎
    • Polski ‎(pl)‎
  • Login

Інтелектуальні інформаційні системи

Chiudi
Attiva/disattiva input di ricerca
Вибір дисциплін Minimizza Espandi
Вибір дисциплін Minimizza Espandi
Обрати дисципліни Статистика вибору дисциплін ВМУ
  1. Home
  2. Corsi
  3. Факультети, кафедри
  4. Математичний факультет
  5. Кафедра комп'ютерних наук
  6. Інтелектуальні інформаційні системи
  7. Основи глибинного навчання.
  8. Лабораторна робота №2 (10 балів)

Лабораторна робота №2 (10 балів)

Aggregazione dei criteri

  • Завдання:  знайти пояснення основних понять теми. Проінтерпретувати їх письмово у звіт (ілюструвати пояснення, прикладами). Розробити просту нейронну мережу, яка навчається на готових даних, наприклад:
  • Зображення:
    • CIFAR-10 – набір, що складається з 60 000 зображень 10 класів, таких як автомобілі, птахи, коти, собаки тощо.
    • ImageNet – великий набір для класифікації зображень, який містить понад 14 мільйонів зображень у понад 20 000 категорій.
    • COCO (Common Objects in Context) – великий набір зображень з багатьма об'єктами, що містить зображення з різними об'єктами в контексті реального світу.

    Текстові дані:

    • IMDB – набір текстових відгуків про фільми, який можна використовувати для задач аналізу настроїв.
    • Enron Email Dataset – набір електронних листів з корпорації Enron, що може використовуватися для задач обробки природної мови, таких як класифікація тексту чи виявлення спаму.

    Аудіо:

    • LibriSpeech – набір аудіо для розпізнавання мови, що містить години аудіо з аудіокнигами.
    • UrbanSound8K – набір звуків з міських умов (наприклад, звуки транспорту, людей, шумів тощо) для задач класифікації звуків.

       Підготувати тести для програм. Оформити звіт
    • Підготовка до лабораторних робіт.docx Підготовка до лабораторних робіт.docx
      8 ottobre 2024, 10:35
    Attività precedente
    Початок работи з нейронними мережами
    Attività successiva
    Тест 1 (10 балів)
    Riepilogo della conservazione dei dati
    Ottieni l'app mobile