Глубинное обучение 1 22/23 — различия между версиями
(→Большие домашние задания) |
(→Преподаватели и ассистенты) |
||
Строка 37: | Строка 37: | ||
| 203 || [https://t.me/Birshert Алексей Биршерт] || [https://t.me/maripkl Мария Поклонская], [https://t.me/DimaLishudi Дмитрий Лишуди] || eqbgrKV | | 203 || [https://t.me/Birshert Алексей Биршерт] || [https://t.me/maripkl Мария Поклонская], [https://t.me/DimaLishudi Дмитрий Лишуди] || eqbgrKV | ||
|- | |- | ||
− | | 204 || [https://t.me/madn_boi Никита Морозов] || [https://t.me/SergejVolkov Фома Шипилов] || | + | | 204 || [https://t.me/madn_boi Никита Морозов] || [https://t.me/SergejVolkov Фома Шипилов] || STMB5yV |
|- | |- | ||
− | | 207 || [https://t.me/asukhareva Анжела Сухарева] || [https://t.me/zzlatazz Злата Клименко] || | + | | 207 || [https://t.me/asukhareva Анжела Сухарева] || [https://t.me/zzlatazz Злата Клименко] || I6JUg1f |
|- | |- | ||
− | | 208 || [https://t.me/aktsvigun Аким Цвигун] || [https://t.me/lily_kurchenko Лилия Курченко] || | + | | 208 || [https://t.me/aktsvigun Аким Цвигун] || [https://t.me/lily_kurchenko Лилия Курченко] || WSekHxn |
|- | |- | ||
− | | 209 || [https://t.me/call_me_Dory Диана Сусла] || [https://t.me/KrupetsSanches Александр Крупецков] || | + | | 209 || [https://t.me/call_me_Dory Диана Сусла] || [https://t.me/KrupetsSanches Александр Крупецков] || D4Vl7P4 |
|- | |- | ||
− | | 2010 || [https://t.me/mrkimster Сергей Ким] || [https://t.me/messlav Вячеслав Пирогов] || | + | | 2010 || [https://t.me/mrkimster Сергей Ким] || [https://t.me/messlav Вячеслав Пирогов] || 5sfP4yz |
|} | |} | ||
Версия 12:48, 16 ноября 2022
Содержание
О курсе
Это страничка курсов 2022-2023 года (1-3 модуль 3 курса ПМИ):
- Глубинное обучение 1 (для групп МОП: 201-203)
- Введение в глубинное обучение (для групп остальных специализаций, кроме РС: 204, 207-2010).
Курс посвящен глубинному обучению – самой активно развивающейся области машинного обучения. Слушатели курса узнают, какие задачи машинного обучения можно решать с помощью нейронных сетей и какие виды нейронных сетей находят свои применения на сегодняшний день. Курс имеет явную практическую направленность, студентам предлагаются задания на обучение нейронных сетей на фреймворке PyTorch языка программирования Python. В курсе обзорно, но достаточно для ознакомления разбираются задачи на изображения и тексты.
Цели освоения курса
- Знать принцип работы и уметь обучать следующие виды нейронных сетей: полносвязные, сверточные, рекуррентные, трансформеры.
- Владение фреймворком PyTorch для обучения нейронных сетей.
- Понимание различных задач, которые решаются с применением глубинного обучения.
- Умение обрабатывать данные и составлять пайплайны для обучения нейронных сетей.
Полезные ссылки
- Репозиторий курса: https://github.com/isadrtdinov/intro-to-dl-hse
- Таблица с оценками: https://docs.google.com/spreadsheets/d/1GUChnaG3M9zVVY-p8qtgsYrLas43w__BxrnyobNGctw/edit?usp=sharing
- Чат с обсуждением (МОП): +F6omM9r5jDYyZWMy (добавить после хттпс://т.ме/)
- Чат с обсуждением (не МОП): +SDpvrQwM4g0yZWFi (добавить после хтппс://т.ме/)
Преподаватели и ассистенты
Лекции (МОП); кому писать, если кажется, что все пропало: Ильдус Садртдинов
Группа | Семинарист | Ассистенты | Инвайт в anytask |
---|---|---|---|
201 | Дарья Барановская | Иван Пешехонов, Никита Корягин | gMVmQgY |
202 | Ильдус Садртдинов | Сергей Пилипенко, Мадина Халматова | oDu4b6c |
203 | Алексей Биршерт | Мария Поклонская, Дмитрий Лишуди | eqbgrKV |
204 | Никита Морозов | Фома Шипилов | STMB5yV |
207 | Анжела Сухарева | Злата Клименко | I6JUg1f |
208 | Аким Цвигун | Лилия Курченко | WSekHxn |
209 | Диана Сусла | Александр Крупецков | D4Vl7P4 |
2010 | Сергей Ким | Вячеслав Пирогов | 5sfP4yz |
Формулы оценок
МОП
Итог = Округление(0.3 * БДЗ + 0.25 * МДЗ + 0.15 ПР + 0.3 * Э)
- БДЗ - оценка за большие домашние задания
- МДЗ - оценка за маленькие домашние задания
- ПР - оценка за проверочные работы (проводятся на семинарах)
- Э - оценка за экзамен
Округление арифметическое. Определим накопленную оценку как Накоп = Округление((0.3 * БДЗ + 0.25 МДЗ + 0.15 * ПР) / 0.7). Если Накоп >= 8, то студент может получить Накоп в качестве итоговой оценки, не приходя на экзамен.
Формат экзамена: письменный, в аудитории, материалами пользоваться не разрешается, 2 часа.
Формат пересдачи: накопленная оценка сохраняется, формат аналогичен экзамену.
Не МОП
Итог = Округление(0.7 * МДЗ + 0.3 * ПР)
- МДЗ - оценка за маленькие домашние задания
- ПР - оценка за проверочные работы (проводятся на семинарах)
Округление арифметическое.
Формат экзамена: экзамен не предусмотрен.
Формат пересдачи: досдача МДЗ.
Лекции
МОП
Конспект от @ninachely: notion
- Автоматическое дифференцирование, полносвязные нейронные сети: запись
- Оптимизация нейронных сетей, SGD, Adam/AdamW. Dropout и Batch-нормализация: запись
- Разбор дифференцирования из МДЗ 1, операция свертки: запись
- Архитектуры сверточных нейронных сетей: запись
- Задачи компьютерного зрения, сегментация и детекция: запись
Не МОП
В качестве лекционного материала используется онлайн-курс "Основы глубинного обучения", который охватывает следующие темы:
- Введение в нейронные сети, полносвязные нейронные сети, оптимизация
Семинары
МОП
- Введение в библиотеку PyTorch. Автоматическое дифференцирование: запись (группа 202)
- Полносвязные нейронные сети. Общая схема пайплайна обучения на PyTorch: запись (группа 202)
- Свертки в PyTorch, реализация архитектуры LeNet: запись (группа 202)
- Обучение моделей из torchvision, аугментации и fine-tuning: запись (группа 202)
- Семантическая сегментация и детекция: запись (группа 202)
Не МОП
Маленькие домашние задания
МОП
МДЗ №1. Автоматическое дифференцирование и полносвязные нейронные сети: ссылка
Дата выдачи: 27.09.22 (вт)
Мягкий дедлайн: 19.10.22 23:59 (ср)
Жесткий дедлайн: 23.10.22 23:59 (вс)
МДЗ №2. Сверточный классификатор: ссылка
Дата выдачи: 21.10.22 (пт)
Мягкий дедлайн: 06.11.22 23:59 (вс)
Жесткий дедлайн: 10.11.22 23:59 (чт)
Не МОП
МДЗ №1. Полносвязные нейронные сети: ссылка
Дата выдачи: 08.11.22 (вт)
Мягкий дедлайн: 23.11.22 23:59 (ср)
Жесткий дедлайн: 27.11.22 23:59 (вс)
Большие домашние задания
Большие домашние задания подразумевают реализацию пайплайна обучения и тестирования нейросети на выданных данных. Выдаются только группам МОПа.
БДЗ №1. Классификация изображений.
Подробности задания ищите по ссылке в канале с объявлениями.
Дата выдачи: 14.11.22 (пн)
Мягкий дедлайн (чекпойнт): 29.11.22 23:59 (вт)
Жесткий дедлайн (чекпойнт): 06.12.22 23:59 (вт)
Мягкий дедлайн (финальная сдача): 13.12.22 23:59 (вт)
Жесткий дедлайн (финальная сдача): 17.12.22 23:59 (сб)
Теоретические домашние задания
Теоретические ДЗ не сдаются и предлагаются студентам для самостоятельного решения и ознакомления
ТДЗ №1. Полносвязные нейронные сети: ссылка
ТДЗ №2. Сверточные нейронные сети: ссылка