Глубинное обучение (АДД 2025)
Содержание
О курсе
Курс читается для студентов 1 курса магистерской программы "Анализ данных в девелопменте" в 3-4 модулях.
Репозиторий с материалами курса на GitHub.
[Анонимная форма обратной связи]
[Таблица с оценками]
Лекции
Лектор: Михаил Гущин (mhushchyn@hse.ru, @mhushchyn)
Лекции проходят по вторникам в 18:10 (G115).
Семинары
Семинарист: Азиз Темирханов (atemirkhanov@hse.ru, @MrDredD)
Семинары проходят по вторникам в 19:40 (G115).
Учебные ассистенты
Правила выставления оценок
В курсе предусмотрено несколько форм контроля знаний:
- Практические домашние работы на Python или с теоретическими задачами
- Контрольная работа в середине курса
- Письменный экзамен
Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:
Oитоговая = Округление(0.5 * ДЗ + 0.2 * КР + 0.3 * Э)
ДЗ — средняя оценка за практические домашние задания
КР — оценка за контрольную работу
Э — оценка за экзамен
Округление арифметическое.
Правила сдачи заданий
За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.
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 пропущенную проверочную можно написать позднее, а 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.
Лекции
Лекция 1. Введение в глубинное обучение. [Слайды]
Лекция 2. Полносвязные нейронные сети. [Слайды]
Лекция 3. Обучение нейронных сетей. [Слайды]
Лекция 4. Регуляризация. Dropout. Batch Normalization. Автокодировщики. [Слайды]
Лекция 5. Изображения. Операция свёртки. [Слайды]
Лекция 6. Свёрточные нейронные сети. Интерпретация моделей. [Слайды]
Лекция 7. Архитектуры свёрточных нейронных сетей. [Слайды]
Лекция 8. Перенос обучения. Распознавание лиц. [Слайды]
Семинары
Семинар 1. Введение в глубинное обучение.
Практические задания
После дедлайна работы не принимаются.
Задание 1. Обучение полносвязных сетей
Вам предстоит обучить несколько полносвязных сетей на нескольких датасетах.
Дедлайн: 24 февраля 2025 года 23:59
Ссылка: https://github.com/hushchyn-mikhail/deep_learning_dad/blob/main/2025/homeworks/HomeWork-1.ipynb
Промежуточная контрольная работа
Промежуточная контрольная работа состоится 15 апреля во время лекции (18:10 - 19:30).
В варианте будет 4 вопроса. Обратите внимание на примеры типовых задач в списке вопросов.
Экзамен
Материалы прошлых лет
Дополнительные материалы
Курсы по машинному обучению и анализу данных
- Основы глубинного обучения, ВШЭ
- Глубинное обучение, ВШЭ
- Глубинное обучение 1, МФТИ
- Глубинное обучение 2, МФТИ
- Онлайн-учебник по машинному обучению от ШАД
- Курс по машинному обучению К.В. Воронцова
