Методы глубокого обучения для анализа текстов и изображений

Программа ориентирована на слушателей, имеющих базовую подготовку в области программирования на языке Python и заинтересованных в практическом освоении современных нейросетевых технологий анализа данных.

Содержание программы направлено на формирование системного понимания принципов работы методов машинного и глубокого обучения, а также на развитие навыков их прикладного использования для решения профессиональных и исследовательских задач. В ходе обучения рассматриваются ключевые этапы работы с данными: загрузка и предобработка массивов информации, построение и обучение нейросетевых моделей, выбор архитектур и гиперпараметров, оценка качества и интерпретация результатов. Особое внимание уделяется анализу изображений и текстов, характерных для психологических и образовательных исследований, включая данные тестирования, проективных методик и текстовые корпуса.

Программа имеет выраженную практико-ориентированную направленность и реализуется с применением дистанционных образовательных технологий и электронного обучения. Учебный процесс сочетает интерактивные лекции, консультации, практические и самостоятельные работы, что обеспечивает поэтапное формирование профессиональных компетенций. Освоение программы завершается выполнением итогового кейс-задания, позволяющего оценить способность слушателя применять методы глубокого обучения для комплексного интеллектуального анализа данных в условиях, приближенных к реальной профессиональной деятельности.

Цель программы – формирование профессиональных компетенций в области анализа текстовой и графической информации при помощи нейронных сетей глубокого обучения в сфере психологии и образования средствами языка программирования Python.

Задачи программы:

- Ознакомление с общими принципами работы нейронных сетей глубокого обучения, предназначенных для анализа текстовой и графической информации

- Изучение основных понятий глубокого обучения: обучающая выборка, свёрточные слои, рекуррентные слои, модель Трансформер, токенизация, семантическое пространство.

- Изучение методов решения задач классификации изображений с помощью нейронных сетей.

- Изучение методов решения задач классификации текстов с помощью нейронных сетей.

- Изучение методов выбора оптимальных архитектур нейронных сетей глубокого обучения и подбора гиперпараметров.

- Изучение применения нейросетевых моделей глубокого обучения для интеллектуального анализа данных в сфере психологии и образования, включая данные тестирований, опросников, проективных методик.

Категория слушателей

Преподаватели образовательных организаций высшего и среднего профессионального образования, научные сотрудники, научные работники, аспиранты, педагоги-психологи, широкий круг лиц, имеющих высшее образование (бакалавриат, специалитет, магистратура) и заинтересованных в применении средств языка программирования Python для интеллектуального анализа данных и машинного обучения в психологии, образовании, психолого-педагогических исследованиях.

Вы должны быть знакомы с основами языка программирования Python и его возможностями (типы данных, управляющие конструкции, импорт модулей), с работой в среде Google Colab и с основными понятиями машинного обучения и нейросетевого моделирования.

Требования к образованию: среднее профессиональное или высшее образование по укрупненным группам специальностей и направлений (УГСН) 37.00.00 – Психологические науки и 44.00.00 – Образование и педагогические науки. К участию в программе допускаются студенты со 2-го курса указанных УГСН; диплом будет выдан по окончании основной профессиональной образовательной программы (ОПОП). Допускаются слушатели, имеющие базовое образование в других областях.

Форма обучения: очно-заочная, с применением дистанционных образовательных технологий и электронного обучения (ДОТ и ЭО).

Технологии обучения: лекции (интерактивные); практические занятия; самостоятельная работа. Занятия проводятся в дистанционном формате, а также с применением электронных учебных курсов (ЭУК).