Abstract:
У статті розкрито потужність глибокого навчання у багатьох областях застосувань, особливо в розпізнаванні зображень та моделюванні мовлення. Показано, що як основа глибокого навчання, глибокі нейронні мережі складаються з декількох шарів різних типів із сотнями та тисячами нейронів. Подано вітчизняний та зарубіжний досвід освіти у царині інформаційних систем і технологій, який стосується глибокого навчання і можливостей його застосування у підготовці фахівців, вчителів з інформатики і взагалі студентів різних спеціальностей. Визначені фактори, які визначили зростання інтересу до глибокого навчання. Зазначено, що головна ідея освіти в галузі штучного інтелекту і, глибокого навчання, зокрема, – це глибоке володіння інженерною математикою, що багато в чому відрізняється від володіння освітньою математикою. Описано напрями розробки нових і вдосконалення існуючих моделей глибокого навчання. / The directions of development of new and improvement of existing models of deep learning, which are based on the use of spectral analysis and in particular, Fourier transform, discrete Fourier transform and discrete transformations using quasi-spectral polynomials, are described. Quasi-spectral polynomials were discovered by the author of the given work and applied to the rapid machine solution of problems reduced to the problems of mathematical physics, and in particular such important problems of hydrodynamics as the Stokes problem and others.
