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.