Глубинное обучение 1 24/25 — различия между версиями
Ekononova (обсуждение | вклад) (→Преподаватели и ассистенты) |
Ekononova (обсуждение | вклад) (Откатить Дмитрий Гриценко) |
||
| Строка 41: | Строка 41: | ||
| ГО-1 не МОП ПМИ || любой из четырёх выше || см. таблицу с оценками || так же | | ГО-1 не МОП ПМИ || любой из четырёх выше || см. таблицу с оценками || так же | ||
|- | |- | ||
| − | | 227 (ТИ) + 228 (АПР) + 229 (АДИС) || [https://www.hse.ru/org/persons/816100677/ Великонивцев Федор Сергеевич] || [https://t.me/ilyhav Веселов Илья] || EfSHXnG | + | | 227 (ТИ) + 228 (АПР) + 229 (АДИС) || [https://www.hse.ru/org/persons/816100677/ Великонивцев Федор Сергеевич] || [https://t.me/ilyhav Веселов Илья] [https://t.me/dimgric Дима Гриценко] || EfSHXnG |
|- | |- | ||
| ВСН || [https://t.me/KkO_oRrNnEeYy Корней] || TBA || GfXgktJ | | ВСН || [https://t.me/KkO_oRrNnEeYy Корней] || TBA || GfXgktJ | ||
Версия 14:27, 10 ноября 2024
Содержание
О курсе
Это страничка курсов 2024-2025 года (1-3 модуль 3 курса ПМИ):
- Глубинное обучение 1 (для групп МОП: 221-224)
- Введение в глубинное обучение (группы 227 (ТИ), 228 (АПР) и 229 (АДИС)).
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/xiyori/intro-to-dl-hse
- Таблица с оценками: https://docs.google.com/spreadsheets/d/1Q7_OYJHbOuAhwWgUG95fUut95Krxp1IqS5y8nf6caNs/edit?usp=sharing
- Anytask: https://anytask.org/course/1144
- Чат с обсуждением: +-J1L7K32Ufw0YTU6 (добавить после хттпс://т.ме/)
Преподаватели и ассистенты
Лекции (МОП); кому писать, если кажется, что все пропало: Фома Шипилов
| Группа | Семинарист | Ассистенты | Инвайт в anytask |
|---|---|---|---|
| 221 (МОП) | Пирогов Вячеслав Григорьевич | Андрей Уткин Анна Маркович | Ya2xNVG |
| 222 (МОП) | Грицаев Тимофей Григорьевич | Илья Дробышевский Борис Панфилов | 4SHh6Wi |
| 223 (МОП) | Беляев Артём Русланович | Всеволод Куйбида Тимофей Сенин | Pvcmmg4 |
| 224 (МОП) | Алиев Мишан Хаммад оглы | Анна Васильева Нина Челышева | 5rRdnzP |
| ГО-1 не МОП ПМИ | любой из четырёх выше | см. таблицу с оценками | так же |
| 227 (ТИ) + 228 (АПР) + 229 (АДИС) | Великонивцев Федор Сергеевич | Веселов Илья Дима Гриценко | EfSHXnG |
| ВСН | Корней | TBA | GfXgktJ |
| КНАД | Лазарев Михаил Владимирович | TBA | 6a6JQRR |
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
- Backpropagation algorithm, fully-connected networks: запись доска
- Cross-entropy loss, Dropout, Batch Normalization: запись доска
Не МОП
Семинары
МОП
Не МОП
Маленькие домашние задания
TBA
