Ievads mākslīgos neironu tīklos
Mākslīgo neironu tīklu arhitektūra un elementi. Perceptrons. Adaptēšanas procedūras. Mākslīgo neironu sistēmu tehnoloģijas attīstība. Apmācības metodes vienslāņu un daudzslāņu tīklos. Optimizācijas un prognozēšanas uzdevumi. Programmatūra. Neiroskaitļošana: algoritmi un pielietošana. Komerciāli produkti mākslīgo neironu sistēmu projektēšanai. Mākslīgo neironu sistēmu pielietošana. Klasteranalīze. Klasifikācija.
| Mācību nodrošinātājs | |
|---|---|
| Mācību veids | |
| Klātienē vai tiešsaistē | |
| Mācību metodes | |
| Mācību ilgums | |
| Tiek izsniegts sertifikāts pēc kursa sekmīgas pabeigšanas | |
| Maksa par mācībām | |
| Mācību valoda | |
| Mērķauditorija | |
| Mērķauditorija pēc HPC zināšanu līmeņa | |
| Nepieciešamās priekšzināšanas | Mašīnmācīšanās/ Dziļās mācīšanās koncepti, Matemātika, Python |
| Zinātnes nozare | Datorzinātnes, datortehnika, elektrotehnika un telekomunikācijas |
| Tehniskā joma |
