Алгоритмы
машинного обучения являются ключевым компонентом всех современных компьютерных
технологий, от покупок в интернете до социальных сетей. Команды
ученых-компьютерщиков разрабатывают алгоритмы, позволяющие ботам и ассистентам ,
таким как Amazon Echo или Google Home, воспринимать речь. Позволяют моментально
выполнять перевод веб-страниц.

Помимо влияния на повседневную жизнь, машинное
обучение активно воздействует на многие области естественных наук и
биологических наук. Алгоритмы машинного обучения применяются ко всему, начиная
с поиска новых галактик и заканчивая классификацией субатомных взаимодействий
на Большом адронном коллайдере. Одним из методов
достижения научных целей стало появление класса методов машинного обучения,
известных как глубокие нейронные сети.

На
лекции мы погрузимся в теорию полносвязных и сверточных нейронных сетей,
выясним причины их успеха в задачах распознавания образов. Рассмотрим
практические примеры построения нейронных сетей, в которых сеть используется
для классификации изображений.