Нейронные сети и машинное обучение
Ключевые компетенции применения сверточных нейронных сетей:
Разработка приложений на языках C++/C#, Python
Обработка больших массивов цифровых изображений (сегментация, кластеризация, выделение признаков и т.д.)
Работа с современным фреймворками для машинного обучения (Theano, Tensorflow, Caffe и другие)
Создание 3D-моделей органов в результате обработке цифровых снимков (КТ, МРТ)
Практика нейрообучения:
Ключевые аспекты практики нейрообучения:
Внимание – механизмы контроля и удержания внимания в обучении
Мотивация – обучение, основанное на индивидуальных потребностях
Доступ – обеспечение доступной и воспроизводимой учебной среды
Собственные компетенции в нейрообучении:
Разработки и интеграция персонализированных программ когнитивной стимуляции
Разработка и внедрение моделей оптимизации когнитивных процессов
Интеграция методов оценки (оптометрика, ЭЭГ и др.)
Оптимизация визуально-перцепционных способностей при обучении
Прикладная нейрофизиология (применение интерфейсов мозг-компьютер)