СММо 20/21
Содержание
О курсе
Курс читается для студентов 3-го курса майнора ИАД в 1-2 модулях.
Проводится с 2015 года.
Курс проводится в blended-формате без очных лекций.
Организационные вопросы можно задавать Соколову Евгению Андреевичу
Занятия проходят по четвергам на Покровском бульваре, 11.
Полезные ссылки
Репозиторий с материалами: https://github.com/hse-ds/iad-deep-learning
Домашние задание сдаются в Anytask: https://anytask.org/course/570
Канал в telegram для объявлений: https://telegram.me/hse_minor_intro_dm_2019
Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы): https://t.me/joinchat/A5rlQBSn7ROATFOWGlzRwg
Оставить отзыв на курс: форма
Вопросы по курсу можно задавать в телеграм куратору курса (esokolov@), семинаристу, в чатах групп или в issues на гитхабе.
Семинары
| Группа | Преподаватель | Учебный ассистент | Инвайт в anytask |
|---|---|---|---|
| ИАД-1 | Багиян Нерсес Карленович | Мария Головина | LNG31El |
| ИАД-2 | Абакумова Ольга Витальевна | Даниил Гонтарь | TYoAcIh |
| ИАД-3 | Анвардинов Шариф Ринатович | Глеб Бобровских | T6OD7dR |
| ИАД-4 | Хайдуров Руслан Александрович | Пётр Жижин | xa50QxO |
| ИАД-5 | Фоменко Мария Михайловна | Эдуард Тульчинский | PlogjcE |
Правила выставления оценок
В курсе предусмотрено несколько форм контроля знания:
- Самостоятельные работы на семинарах, проверяющие знание основных фактов с онлайн-курсов и семинаров
- Практические домашние работы на Python
- Контрольная где-то в середине курса
- Письменный экзамен
Также в рамках курса студенты могут изучить онлайн-курс How to Win a Data Science Competition. За его успешное прохождение будет выставлено 10 бонусных баллов, которые можно прибавить к оценке за любое из домашних заданий или за любую проверочную работу. Чтобы получить эти баллы, курс надо сдать до 18 декабря включительно.
Итоговая оценка вычисляется по формуле:
Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)
ДЗ — средняя оценка за практические домашние задания
ПР — средняя оценка за проверочные работы на семинарах
КР — оценка за контрольную работу
Э — оценка за экзамен
Правила сдачи заданий
При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.
При наличии уважительной причины дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.
Онлайн-курсы
Дисциплина сопровождается двумя онлайн-курсами: Introduction to Deep learning и How to Win a Data Science Competition.
Курс Introduction to Deep learning не нужно проходить полностью — требуется лишь смотреть видео из него. Мы будем сообщать, к какому моменту что надо посмотреть.
Курс How to Win a Data Science Competition нужно полностью сдать на Coursera. Оценка за него войдёт в итоговую оценку.
Семинары
Семинар 1 (12 сентября). Градиентный спуск. SGD, Momentum, AdaGrad, RMSProp, Adam. [Ноутбук]
Семинар 2 (19 сентября). Знакомство с TensorFlow. Первая нейронная сеть. [Ноутбук]
Семинар 3 (26 сентября). Backpropagation. Part 1. [Ноутбук]
Семинар 4 (3 октября). Backpropagation. Part 2. [Ноутбук]
Семинар 5 (10 октября). Свёрточные нейросети. Part 1 -- Intro. [Ноутбук]
Семинар 6 (17 октября). Свёрточные нейросети. Part 2 -- Model zoo. [Ноутбук]
Семинар 7 (31 октября). Свёрточные нейросети. Part 3 -- Training Tricks. TBA
Практические задания
Домашние задания выкладываются в репозиторий курса. За каждый день просрочки мягкого дедлайна снимается один балл. После жёсткого дедлайна задания не принимаются.
Домашнее задание 1
Мягкий дедлайн — 23 сентября, 03:59. Жёсткий дедлайн — 25 сентября, 23:59.
Домашнее задание 2
Мягкий дедлайн — 7 октября 03:59. Жёсткий дедлайн — 10 октября, 23:59.
Домашнее задание 3
Мягкий дедлайн — 3 ноября 03:59. Жёсткий дедлайн — 5 ноября, 23:59.
