You are looking at the HTML representation of the XML format.
HTML is good for debugging, but is unsuitable for application use.
Specify the format parameter to change the output format.
To see the non HTML representation of the XML format, set format=xml.
See the complete documentation, or API help for more information.
<?xml version="1.0"?>
<api>
  <query-continue>
    <allpages gapcontinue="Samsung_Smart_Watch_Variations_(проект)" />
  </query-continue>
  <query>
    <pages>
      <page pageid="15579" ns="0" title="Renju (проект)">
        <revisions>
          <rev contentformat="text/x-wiki" contentmodel="wikitext" xml:space="preserve">{{Карточка_проекта
|name=Renju
|mentor=Симагин Денис
|mentor_login={{URLENCODE:Simagin.denis|WIKI}}
|semester=Осень 2017
|course=2
|summer=
|number_of_students=10
|categorize=yes
}}

=== Что это за проект? ===
Cочетание [https://en.wikipedia.org/wiki/Reinforcement_learning reinforcement learning] и [https://en.wikipedia.org/wiki/Deep_learning deep learning] является &quot;горячей&quot; темой на сегодняшний день. К примеру, изучите статью [http://arxiv.org/pdf/1312.5602v1.pdf Playing atari with deep reinforcement learning]. Также вы, наверняка, слышали о [https://en.wikipedia.org/wiki/AlphaGo AlpaGo], программе, которая впервые победила человека, профессионально играющего в Go. Подробнее об этом [https://storage.googleapis.com/deepmind-media/alphago/AlphaGoNaturePaper.pdf здесь]. Данный проект заключается в изучении подходов, использующихся  в AlphaGo, и их реализации при создание собственного алгоритма для игры в [https://en.wikipedia.org/wiki/Renju рендзю].

'''Молния:''' вышла новая статья [https://www.nature.com/articles/nature24270.epdf?author_access_token=VJXbVjaSHxFoctQQ4p2k4tRgN0jAjWel9jnR3ZoTv0PVW4gB86EEpGqTRDtpIz-2rmo8-KG06gqVobU5NSCFeHILHcVFUeMsbvwS-lxjqQGg98faovwjxeTUgZAUMnRQ статья].

Для того, чтобы попасть на проект, нужно пройти собеседование.

=== Чему вы научитесь? ===
# Чтение научных статей на английском.
# Погружение в машинное обучение.
# Сверточные нейронные сети
# Обучение с подкреплением
# Ревью кода.

=== Какие начальные требования? ===
# Машина с UNIX-подобной ОС и мощной видеокартой (возможно облачная)
# Знание Python 3, Git и работа с командной оболочкой.
# Базовые знания в машинном обучении
# Хорошая математическая подготовка
# Английский

=== Какие будут использоваться технологии? ===
# В качестве основного языка будет Python 3
# Для обучения сейчас принято использовать [https://www.tensorflow.org tensorflow], однако набирает популярность библиотека [https://docs.microsoft.com/en-us/cognitive-toolkit/ cntk] (она шустрая).
# Так же вы можете проводить вычисления на ресурсах [https://aws.amazon.com/ru/ aws] или воспользоваться [https://cloud.google.com google cloud].

=== Темы вводных занятий ===
# Кратко об обучении с учителем
# Линейные модели, градиентный спуск
# Введение в нейронные сети
# Сверточные сети
# Обучение с подкреплением

=== Направления развития ===
DeepMind и Blizzard сделали [https://deepmind.com/blog/deepmind-and-blizzard-open-starcraft-ii-ai-research-environment/ песочницу] для StarCraft II, поле для исследований просто безгранично.

=== Критерии оценки ===
# Необходимым, но не достаточным критерием получения &quot;зачет&quot; и выше является доклад на семинаре.
# Для оценки 7 и ниже необходимо в срок выполнять все задания.
# Дополнительные 3 балла распределяются на основании качества вашей модели по сравнению с коллегами.

=== Ориентировочное расписание занятий ===
Проект предполагает еженедельные встречи для проведения семинаров и отслеживания прогресса. Время будет обсуждаться отдельно с группой. Возможен вариант с утром (8-10) в стенах ШАДа или вечером (7-9) в ВШЭ.</rev>
        </revisions>
      </page>
      <page pageid="199" ns="0" title="Reviewboard">
        <revisions>
          <rev contentformat="text/x-wiki" contentmodel="wikitext" xml:space="preserve">Адрес - http://rb.cs.hse.ru/dashboard/

У студентов заведены аккаунты, логины HSE'шные (вида cshse2014-N и пароль по умолчанию BEdp84laNx). При первом входе поменяйте пароль! Пароль может поменять любой человек с правами администратора.

== Создание запроса на review ==
'''Важно:''' На каждое задание создавайте отдельный запрос.
# Для создания review надо после логина в RB нажать &quot;new review request&quot;, выбрать в списке репозиториев None и нажать кнопку Create review request.
# В диалоге создания ревью необходимо заполнить Summary, Description и указать ревьюера в поле Reviewers - People (своего семинариста).
# После этого нужно добавить файл(ы) в ревью. Для этого надо нажать &quot;add file&quot; в меню update.
# Затем надо нажать кнопку &quot;Publish&quot;. После этого семинарист может посмотреть код и сделать замечания.

== Исправление замечаний ==
# Заходите на страницу с запросом на ревью.
# Исправляете замечания ревьюера. Для всех исправленных замечаний кликаете &quot;Fixed&quot;, для неисправленных &quot;Drop&quot; и, желательно, пишите почему не исправили (кнопка &quot;Add comment&quot;).
# '''Важно:''' перед тем как отправлять задачу на ревью, убедитесь, что она по-прежнему компилируется и работает корректно.
# Кликаете Update -&gt; Add File, выбираете файл с исправлениями.
# Нажимаете кнопку &quot;Publish&quot;. После этого семинарист сможет посмотреть код и сделать замечания.

== Что такое &quot;Ship It!&quot;? ==
&quot;Ship It!&quot; значит, что текущая версия работы удовлетворяет семинариста и у него больше нет замечаний.

== Удалить запрос на ревью ==
Если вам требуется удалить запрос на ревью, зайдите на страницу ревью, которое нужно удалить, справа вверху выберите Close -&gt; Discard.

== Полезные ссылки ==
# [https://www.reviewboard.org/docs/manual/2.0/users/ Подробнее об Review Board.]</rev>
        </revisions>
      </page>
    </pages>
  </query>
</api>