Розмір шрифту
A-
A
A+
Колір сайту
R
A
A
A
Перейти до головного вмісту
Бокова панель
Головна
Календар
Більше
Українська (uk)
Українська (uk)
English (en)
Français (fr)
Ви зараз зареєстровані як гість
ВХІД
Головна
Календар
/Розгорнути все
Згорнути все
Основи Machine Learning та Deep Learning [📺 Презентація]
Факультет автоматизації і інформаційних технологій
Кафедри
Кафедра інформаційних технологій
Магістр
F3 (122) Комп'ютерні науки
ШІ та ГМ
📚 МОДУЛЬ 1. ОСНОВИ DATA SCIENCE ТА ARTIFICIAL INTELLIGENCE
Основи Machine Learning та Deep Learning [📺 Презентація]
Відкритий покажчик курсу
Вимоги щодо завершення
Клацніть посилання
Лекція №3. Основи Machine Learning та Deep Learning.pptx
щоб відобразити файл.
Попередня діяльність
Перевірка secret key
Перейти до...
Перейти до...
Робоча програма 2025-2026
Робоча програма 2024-2025
Силабус 2024-2025
Конспект лекцій
Перелік питань до контролю
Форум новин
Приклад екзаменаційного бланку
Методичні вказівки до виконання курсової роботи
Методичні вказівки до виконання лабораторних робіт
Вступ в курс лекцій "Штучний інтелект та гібридні мережі" [📺 Презентація]
Лабораторна робота № 1. Інтегрований аналіз даних в Data Science: практичне застосування та візуалізація
Лабораторна робота № 1 [Google Colab🔗]
Data Science та підготовка даних [📺 Презентація]
Лабораторна робота № 2. Аналіз та візуалізація великих наборів даних
Лабораторна робота № 2 [Google Colab🔗]
Перевірка secret key
Лабораторна робота № 3. Використання Label Studio для анотації, класифікація та детекція об’єктів на зображеннях з використанням ResNet та Yolo
Лабораторна робота № 3 [Google Colab🔗]
Архітектура та проєктування нейронних мереж [📺 Презентація]
Лабораторна робота № 4. Оптимізація нейронних мереж: дослідження функцій активації та стратегій оптимізації
Лабораторна робота № 4 [Google Colab🔗]
Оптимізація та налаштування моделей [📺 Презентація]
Лабораторна робота № 5. Дослідження методів регресії: Linear Regression, Polynomial Regression, Ridge Regression та Lasso Regression
Лабораторна робота № 5 [Google Colab🔗]
Навчання та валідація моделей [📺 Презентація]
Лабораторна робота № 6. Дослідження методів класифікації: K-NN, Naive Bayes, SVM, Decision Trees, Logistic Regression
Лабораторна робота № 6 [Google Colab🔗]
Machine Learning з вчителем. Регресія та класифікація [📺 Презентація]
Лабораторна робота № 7. Дослідження методів кластеризації: K-Means, DBSCAN, Mean-Shift, Agglomerative Clustering, Fuzzy C-Means
Лабораторна робота № 7 [Google Colab🔗]
Machine Learning без вчителя. Кластеризація та асоціація [📺 Презентація]
Лабораторна робота № 8. Дослідження алгоритмів асоціативних правил: Apriori, FP-Growth
Лабораторна робота № 8 [Google Colab🔗]
Спеціалізовані методи Machine Learning. Узагальнення. Ансамблеві методи. Reinforcement Learning [📺 Презентація]
Лабораторна робота № 9. Дослідження методів узагальнення: LDA, SVD (LSA), PCA, t-SNE та ансамблевих методів: Random Forest, XGBoost, LightGBM, CatBoost, AdaBoost
Лабораторна робота № 9 [Google Colab🔗]
Просунутий Deep Learning. Побудова та застосування нейромереж [📺 Презентація]
Лабораторна робота № 10. Моделювання нейронної мережі. Розв’язання класичної задачі «Титанік»
Лабораторна робота № 10 [Google Colab🔗]
Просунутий Deep Learning. Побудова та застосування нейромереж [📺 Презентація]
Лабораторна робота № 11. Моделювання нейронної мережі. Класифікація текстів з використанням RNN
Лабораторна робота № 11 [Google Colab🔗]
Просунутий Deep Learning. Побудова та застосування нейромереж [📺 Презентація]
Лабораторна робота № 12. Побудова та оптимізація нейронних мереж для класифікації зображень
Лабораторна робота № 12 [Google Colab🔗]
Просунутий Deep Learning. Побудова та застосування нейромереж [📺 Презентація]
Лабораторна робота № 13. Використання генеративних змагальних нейронних мереж (GANs) для створення зображень
Лабораторна робота № 13 [Google Colab🔗]
Просунутий Deep Learning. Побудова та застосування нейромереж [📺 Презентація]
Лабораторна робота № 14. Практичне застосування reinforcement learning у симуляціях
Лабораторна робота № 14 [GitHub 👾]
Просунутий Deep Learning. Побудова та застосування нейромереж [📺 Презентація]
Лабораторна робота № 15. Дослідження та застосування мультимодальних моделей для аналізу та генерації візуально-текстового контенту
Лабораторна робота № 15 [Google Colab🔗]
Дослідження платформи Hugging Face
HuggingFace
Розробка автономного AI-агента з довготривалою пам'яттю на базі smolagents
AI-Agent smolagents [GitHub 👾]
Дослідження екосистеми llamahub та створення AI-агента на базі llamaindex
AI-Agent llamaindex [GitHub 👾]
Розробка та розширення функціональності AI-агента з використанням langchain та langgraph
AI-Agent langchain&langgraph [GitHub 👾]
Google Colab
Label Studio
Keras
Tensorflow
Huggingface
Pytorch
Kaggle
Бібліотека КНУБА
AI-For-Beginners (Course, Microsoft)
ML-For-Beginners (Course, Microsoft)
Awesome Machine Learning and AI Courses (Courses, Stanford, Berkeley, Columbia etc.)
AI Agents for Beginners (Course, Microsoft)
Datacamp (Courses)
HuggingFace (Courses)
Наступна діяльність
Лабораторна робота № 3. Використання Label Studio для анотації, класифікація та детекція об’єктів на зображеннях з використанням ResNet та Yolo
