METHODOLOGICAL FEATURES OF TRAINING YOLO, RESNET AND RT-DETR NEURAL NETWORKS IN THE EDUCATIONAL COURSE "ARTIFICIAL INTELLIGENCE: DEEP LEARNING

Abstract

Original title: «Жасанды интеллект: терең оқыту» оқу курсында YOLO, ResNet және RT-DETR нейрондық желілерін оқытудың әдістемелік ерекшеліктері This article examines the methodological features of teaching ResNet, YOLO, and RT-DETR neural networks within the educational course "Artificial Intelligence: Deep Learning" designed for secondary school students. The main objective of the study is to identify step-by-step approaches to explaining computer vision architectures to school students and to explore opportunities for mastering them through practical tasks. The research methodology includes theoretical instruction, practical training, observation, and comparative analysis. The ResNet architecture is considered in the context of image classification, YOLO is examined as an object detection model, and RT-DETR is studied as a transformer-based approach to object detection. As a result, a methodological approach for integrating these architectures into the educational process in a structured, step-by-step manner is proposed. The research findings may be used to support the teaching of artificial intelligence and computer vision fundamentals in computer science courses. Бұл мақалада жалпы білім беретін мектептің оқушыларына арналған «Жасанды интеллект: терең оқыту» оқу курсы аясында ResNet, YOLO және RT-DETR нейрондық желілерін оқытудың әдістемелік ерекшеліктері қарастырылған. Зерттеудің негізгі мақсаты компьютерлік көру архитектураларын мектеп оқушыларына түсіндірудің кезеңдік тәсілдерін анықтау және оларды практикалық тапсырмалар арқылы меңгертудің мүмкіндіктерін сипаттау. Зерттеу барысында теориялық түсіндіру, практикалық оқыту, бақылау және салыстырмалы талдау әдістері қарастырылды. ResNet архитектурасы кескіндерді жіктеу міндеттерімен, YOLO моделі объектілерді анықтаумен, ал RT-DETR архитектурасы трансформаторлық тәсілге негізделген объектілерді анықтау әдістерімен байланыстырылды. Нәтижесінде аталған архитектураларды оқу үдерісіне кезең-кезеңімен енгізуге арналған әдістемелік тәсіл ұсынылды. Зерттеу материалдары информатика пәнінде жасанды интеллект пен компьютерлік көру негіздерін оқытуға пайдаланылуы мүмкін.