Тип работы:
Предмет:
Язык работы:


ВВЕДЕНИЕ В МАШИННОЕ ОБУЧЕНИЕ ДЛЯ ОБУЧАЮЩИХСЯ 10-11 КЛАССОВ

Работа №167596

Тип работы

Магистерская диссертация

Предмет

педагогика

Объем работы86
Год сдачи2020
Стоимость5500 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
15
Не подходит работа?

Узнай цену на написание


ВВЕДЕНИЕ 4
Раздел 1: БОЛЬШИЕ ДАННЫЕ (Big Data) И ГЛУБОКОЕ МАШИННОЕ ОБУЧЕНИЕ (Deep Learning) В НЕЙРОННЫХ СЕТЯХ 6
1.1. Понятие больших данных (Big Data)6
1.2. Сферы использования больших данных б
1.3. Принцип работы больших данных?
1.4. Методики анализа больших данных?
1.5. Аналитический инструментарий 11
1.6. Ведущие поставщики 13
1. ?. Примеры использования больших данных 14
1.8. Понятия Deep Learning и нейронная сеть 20
1.9. Искусственные нейроны и их объединение в сеть 21
1.10. Архитектура нейронных сетей 23
1.11. Способы обучения нейронных сетей
26
1.12. Сферы использования глубинного обучения в нейронных сетях 34
1.13. Перспективы по модернизации нейронных сетей 36
1.14. Применение нейронных сетей в сфере обучения 38
Раздел 2: ПРАКТИЧЕСКАЯ РАБОТА ПО ОБУЧЕНИЮ НЕЙРОННОЙ СЕТИ 40
2.1. Задача и необходимые инструменты для практического выполнения глубинного обучения нейронной сети 140
2.2. Задача и необходимые инструменты для практического выполнения глубинного обучения нейронной сети 250
Раздел 3: ЭЛЕКТИВНЫЙ КУРС 66
3.1. Рабочая программа элективного курса БОЛЬШИЕ ДАННЫЕ (Big Data) И ГЛУБОКОЕ МАШИННОЕ ОБУЧЕНИЕ (Deep Learning) В НЕЙРОННЫХ СЕТЯХ.66
3.2. Пояснительная записка66
3.3. Тематическое планирование курса?0
3.4. Содержание курса?2
3.5. Выявление уровня освоения содержания?4
3.6. Контрольные мероприятия?5
3. ?. Обоснование системы оценивания??
3.8. Учебно-методическое обеспечение
80
ЗАКЛЮЧЕНИЕ 81
ИСТОЧНИКИ И ЛИТЕРАТУРА 84


Актуальность темы исследования обусловлена необходимостью устранить недостаток информации в существующих учебных изданиях по направлениям Большие данные и Глубокое машинное обучение.
Существует огромная потребность на рынке труда в специалистах из данной области информационных технологий. При этом наблюдается дефицит информации даже в сети Интернет, зачастую, это отдельные лекции и презентации без системного подхода к процессу обучению, раскрывающие отдельные аспекты вышеупомянутых направлений.
Проблема исследования заключается в отсутствии обучающих материалов для школьников и студентов в современных изданиях в области информатики по направлениям Большие данные и Глубокое машинное обучение.
Объект исследования: обучение информатике в старших классах общеобразовательной школы.
Предмет исследования: технология глубокого машинного обучения (Deep Learning) в нейронных сетях на стыке с технологией Больших данных. В соответствии с актуальностью, объектом, предметом были намечены следующие задачи исследования:
• систематизировать и обобщить информацию по технологии глубокого машинного обучения и большими данными;
• изучить основы теории разработки и построения элективных курсов;
• разработать элективный курс по направлению, наполнение занятий, систему упражнений, а так же методы для текущего, промежуточного и итогового контроля на обучаемыми при прохождении элективного курса.
Цель исследования: создание элективного курса в области информатики «Введение в машинное обучение для обучающихся 10-11 классов» для учащихся старшей средней общеобразовательной школы и студентов.
Практическая значимость работы заключается в том, что программа элективного курса может быть применена преподавателями школ, а также полезна для студентов - будущих преподавателей информатики.
Методы исследования. В выпускной квалификационной работе применяются такие общенаучные методы исследования, как наблюдение, измерение, описание, сравнение, анализ, синтез, индукция, дедукция, аналогия и некоторые другие.
Эмпирическую базу исследования составили результаты анализа и практическая работа по машинному обучению.
Структура исследования. Выпускная квалификационная работа включает в себя введение, 3 раздела и 24 подраздела в них, в которых решаются поставленные исследовательские задачи, заключение, список источников и литературы. В первом разделе отражена теория о Big Data и Deep Learning, второй раздел содержит практическую часть - создание нейронной сети и ей обучение, в третьем разделе описан элективный курс, который опирается на первые два раздела.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


Таким образом, на сегодняшний день глубокое обучение нейронных сетей получает всё большее распространение практически во всех областях деятельности человека.
Скорость обработки информации практически достигла реального времени и появилась возможность работы не со статичными данными, а с постоянно прибывающим потоком. Это позволяет использовать нейронные сети там, где по естественным причинам внимание человека может быть притуплено с течением времени по естественным биологическим причинам. Также это даёт возможность исключить массу человеческих ошибок в типичных ситуациях в таких областях как медицина, различные виды транспорта, системы безопасности, экономика и финансы, социология, педагогическая деятельность и т.п.
Текущий уровень развития не даёт возможности целиком и полностью автоматизировать управление многими процессами только искусственными нейронными сетями, тем более, когда речь идёт о нестандартных ситуациях, хотя, ситуация является нестандартной, пока человек или ИНС не научатся в ней действовать.
На мой взгляд, не смотря на серьёзные продвижения в области совершенствования искусственных нейронных сетей, человечество находится только в начале этого пути. Скорее всего, будут разрабатываться новые архитектуры и способы обучения ИНС более близких к работе биологических нейронных сетей. Уже сейчас появляются отдельные мысли и работы о необходимости пересмотра имеющейся концепции искусственных сетей.
Уровень проникновения этих технологий в области обучения на сегодняшний момент является очень низким и главной причиной этому явлению в РФ, по моему мнению, является низкая коммерциализация учебной деятельности и, как следствие, недостаточность финансирования. При этом очевидно, что такие технологии, как Deep Learning и Big Data могут поднять на новый уровень образовательный процесс и послужить толчком к улучшению существующих и выработке новых методов и методик обучения.
Также, очевидно, что внедрение машинного обучения в сфере образования поможет эффективно решать некоторые административные задачи по обработке информации большого объёма, что уже сейчас успешно применяется в других сферах деятельности человека.
Скорее всего, проникновение искусственных нейронных сетей в сферу обучения будет со стороны бизнеса, обладающего финансовыми ресурсами и стремящегося сократить расходы за счёт уменьшения времени обучения сотрудников с одновременным поднятием качества усвоения новых знаний сотрудниками компании в профессиональной деятельности, в области охраны труда и техники безопасности. Тем не менее, уже сейчас применение нейронных сетей в синхронном переводе позволяет улучшить коммуникации школьников, студентов и представителей научного сообщества из разных стран, что безусловно повышает качество образования. На мой взгляд, наивысший эффект можно получить от применения данной технологии государственными органами, т.к. позволит выработать единый системный подход. Очень важно при этом опираться на молодых специалистов, предлагающих новаторские идеи применения и конкретные технические решения...


1. Денисова О.О., Мухутдинов Э.А. БОЛЬШИЕ ДАННЫЕ - ЭТО НЕ ТОЛЬКО РАЗМЕР ДАННЫХ // Вестник технологического университета, Т. 18, № 4, 2015. С. 5.
2. Себрант А. Что такое Big Data и почему это страшно интересно
[Электронный ресурс] [2014]. URL:
https: //www.youtube. com/watch?v=zsUKY fXj pvo&list=WL&index=6 (дата
обращения: 04.12.2020).
3. Сербант А. Data Science, черные ящики - и почему вам сильно повезло
[Электронный ресурс] [2015]. URL:
https://www.youtube.com/watch?v=zvGeLvWZ7yQ&list=WL&index=8 (дата
обращения: 04.12.2020).
4. Большие данные (Big Data) [Электронный ресурс] [2017]. URL: http://tadviser.ru/aZ125096 (дата обращения: 04.12.2020).
5. Хайкин С. Нейронные сети: Полный курс. 2-ое-е изд. Издательский дом Вильямс, 2006. 1104 с.
6. Шпаргалка по разновидностям нейронных сетей. Часть первая. Элементарные конфигурации [Электронный ресурс] [2016]. URL: https://tproger.ru/translations/neural-network-zoo-1/ (дата обращения: 06.06.2018).
7. Искусственная нейронная сеть [Электронный ресурс] [2018]. URL: https://ru.wikipedia.org/wiki/Нейронная сеть (дата обращения: 04.12.2020).
8. Редозубов А.Д. Мозг - это не нейронные сети [Электронный ресурс]
[2016]. URL:
https://www.youtube.com/watch?v=7c6YUJ0JuqI&list=WL&t=1s&index=27 (дата обращения: 04.12.2020).
9. Редозубов А.Д. Логика мышления. Часть 1 [Электронный ресурс] [2012]. URL: https://www.youtube.com/watch?v=0v5OwZxox7M (дата обращения: 04.12.2020).
10. Редозубов А.Д. Логика сознания. Вступление [Электронный ресурс] [2016]. URL: https://habrahabr.ru/post/308268/ (дата обращения: 04.12.2020).
11. Редозубов А.Д. Логика эмоций. 2012. 317 с.
12. Развина Э. Вспомнить все. А если это нереально? [Электронный
ресурс] [2014]. URL: https://www.b17.ru/blog/15224/ (дата обращения:
04.12.2020).
13. Созыкин А. Распознавание объектов на изображениях | Глубокие нейронные сети на Python [Электронный ресурс] [2016]. URL: http s: //www.youtube. com/watch?v=5 GdtghjJ3- U&index=9&list=PLtPJ9lKvJ4oiz9aaL_xcZd-x0qd8G0VN_ (дата обращения: 04.12.2020).
14. Созыкин А. Введение | Глубокие нейронные сети на Python
[Электронный ресурс] [2016]. URL:
https: //www.youtube. com/watch?v=GX7 qxV5nh5o&index= 1 &list=PLtPJ9lKvJ4oiz9 aaL_xcZd-x0qd8G0VN_ (дата обращения: 04.12.2020).
15. Созыкин А. Сверточные нейронные сети | Глубокие нейронные сети
на Python [Электронный ресурс] [2016]. URL:
https://www.youtube.com/watch?v=52U4BG0ENiM&list=PLtPJ9lKvJ4oiz9aaL_xcZ d-x0qd8G0VN_&index=8 (дата обращения: 06.06.2018)...33


Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2025 Cервис помощи студентам в выполнении работ