Просмотр исходного текста страницы Глубинное обучение 2022

=== Расписание ===

'''Лекция:''' [https://www.hse.ru/staff/mryabinin Максим Рябинин], среда 11:10-12:30  

'''Семинары'''
{| class="wikitable"
|-
! Группа  !! Семинарист !! Контакты !! Расписание !! Инвайт в Anytask
|-
| Оффлайн 191 || [https://www.hse.ru/org/persons/190912012 Иван Рубачев] ||  https://t.me/puhsuuu || среда 13:00, G110 || <code>wz4PE8t</code>
|-
| Онлайн 192 ||[https://www.hse.ru/org/persons/225547289 Аким Котельников]||  https://t.me/akimkot || среда 13:00 || <code>99yTXq3</code>
|-
| Онлайн 193 ||[https://www.hse.ru/staff/mryabinin Максим Рябинин]|| https://t.me/mryab || среда 13:00 || <code>pHBT1Lh</code>
|-
|}

''Ассистенты''
{| class="wikitable"
|-
! Группа  !! Ассистент
|-
| 191 || [https://t.me/team_mur Тимур Ваньков], [https://t.me/Blackaddder Денис Кузнеделев] 
|-
| 192 || [https://t.me/horror_in_black Александра Коган], [https://t.me/timothyxp Тимофей Смирнов] 
|-
| 193 ||[https://t.me/baranovskayadaria Даша Барановская], [https://t.me/nickkartashev Николай Карташев]
|-
|}

'''Почта курса''': cs.hse.dl@gmail.com (важные письма лучше дублировать на почту лектору)

'''[https://docs.google.com/spreadsheets/d/1aKE47GSH6ZeII5nHeA8OIXMwyM_kRKqmHvDpfj3KHzc/edit#gid=0 Таблица с оценками]''' <br />
'''[https://www.github.com/mryab/dl-hse-ami Репозиторий с материалами]''' <br />
'''[https://t.me/dl22_announcements Telegram-канал курса]''' <br />
'''[https://forms.gle/Z7bUKkZXGBDf7YFx9 Доступ к DataSphere (дедлайн 05.10)] <br />
'''[https://anytask.org/course/951 Anytask]''' <br />


== Краткое описание ==

Курс по Deep Learning. Рассказываем про архитектуры нейросетей, их обучение, разные области применения Deep Learning. Используем PyTorch.

Примерно каждую неделю будут выдаваться МДЗ (маленькие домашние задания) по теме лекций. Также за весь курс будут выданы три БДЗ (большие домашние задания) на темы CV, NLP, image2image. Также планируются проверочные работы по материалам лекций. Для выполнения МДЗ достаточно будет [https://colab.research.google.com Google Colab], для БДЗ будет выдан доступ в Yandex DataSphere. ДЗ сдаются в Anytask.

У МДЗ есть мягкие и жесткие дедлайны. После жёсткого дедлайна штраф составляет 10% от оценки в день. После жёсткого дедлайна работа не принимается, дедлайны не переносятся. У больших ДЗ есть чекпойнт, к которому нужно сдать бейзлайн (базовое решение для задачи, работающее с минимально допустимым качеством).

'''Плагиат''':

*Задания делаются индивидуально
*Обсуждать между собой решения можно (но напишите в решении, с кем вы его обсуждали)
*Код должен быть написан самостоятельно
*В заданиях сказано, откуда можно копировать код
*Можно (и нужно) пользоваться ресурсами библиотеки PyTorch
*Документация: [https://pytorch.org/docs/stable/index.html]
*Туториалы: [https://pytorch.org/tutorials]
*Примеры: [https://github.com/pytorch/examples]

'''ВАЖНО'''
*Копировать другой код из интернета или у соседа нельзя. В случае обнаружения плагиата мы будем без предупреждений направлять служебную записку в учебный офис
*Обязательно указывать источники, которыми вы вдохновлялись (в том числе других студентов)
*Если непонятно, можно ли что-то использовать, то спросите нас

== Система выставления оценок ==

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = round(0.3*О_экз + 0.7*О_накоп)

О_накоп = 0.3*О_small + 0.7*O_big

Если накопленная оценка >= 6 после округления, то есть возможность получить '''автомат''' за курс

O_small = среднее по МДЗ и проверочным

O_big = O_1*w1 + O_2*w2 + O_3*w3 (оценки за большие дз с весами)

[w1, w2, w3] = softmin([O_1, O_2, O_3]/20), [https://pytorch.org/docs/stable/generated/torch.nn.Softmin.html Что такое Softmin?]


== Fast track ==

Если вы проходили курс по DL где-то ещё, его можно '''перезачесть'''. Схема индивидуальная для каждого студента (писать Максиму).