Глубинное обучение-МОиВС-2022 — различия между версиями
(add Maria's bio) |
(initial edit for module 5) |
||
Строка 12: | Строка 12: | ||
Чат курса: [https://t.me/+NQSO Присоединиться к чату] | Чат курса: [https://t.me/+NQSO Присоединиться к чату] | ||
− | Занятия проводятся в Zoom по средам в 18:00: | + | ---- |
− | [https://us06web.zoom.us/j/89194606293?pwd=K3hhQTFBZVBpM1pweUZRbWRDSFZZdz09] | + | '''Занятия в пятом модуле проводятся в ... по ... в ...''' |
+ | ---- | ||
+ | |||
+ | <small>Занятия в четвертом модуле проводились в Zoom по средам в 18:00: | ||
+ | [https://us06web.zoom.us/j/89194606293?pwd=K3hhQTFBZVBpM1pweUZRbWRDSFZZdz09]</small> | ||
+ | |||
Все материалы занятий находятся здесь: [https://github.com/MariyaTikhonova/hse_mlds_deep_learning_course/tree/spring_fall_22 Ссылка на GitHub-репозиторий курса] | Все материалы занятий находятся здесь: [https://github.com/MariyaTikhonova/hse_mlds_deep_learning_course/tree/spring_fall_22 Ссылка на GitHub-репозиторий курса] | ||
Строка 20: | Строка 25: | ||
=== Материалы к курсу (перед семинарами) === | === Материалы к курсу (перед семинарами) === | ||
− | Плейлист курса Е.Соколова "Основы Глубинного обучения": [https://www.youtube.com/watch?v=62sP9QKYrgI&list=PLEwK9wdS5g0qa3PIhR6HBDJD_QnrfP8Ei&index=2 YouTube] | + | |
+ | ==== Модуль 5 ==== | ||
+ | |||
+ | |||
+ | ==== Модуль 4 ===== | ||
+ | <small>Плейлист курса Е.Соколова "Основы Глубинного обучения": [https://www.youtube.com/watch?v=62sP9QKYrgI&list=PLEwK9wdS5g0qa3PIhR6HBDJD_QnrfP8Ei&index=2 YouTube] | ||
# Посмотреть к первому занятию (12.04.22): [https://www.youtube.com/watch?v=62sP9QKYrgI&list=PLEwK9wdS5g0qa3PIhR6HBDJD_QnrfP8Ei&index=2 Lecture 1, Введение], [https://www.youtube.com/watch?v=aSTwlPjJfso&list=PLEwK9wdS5g0qa3PIhR6HBDJD_QnrfP8Ei&index=3 Lecture 2. Backprop, Convolutions] | # Посмотреть к первому занятию (12.04.22): [https://www.youtube.com/watch?v=62sP9QKYrgI&list=PLEwK9wdS5g0qa3PIhR6HBDJD_QnrfP8Ei&index=2 Lecture 1, Введение], [https://www.youtube.com/watch?v=aSTwlPjJfso&list=PLEwK9wdS5g0qa3PIhR6HBDJD_QnrfP8Ei&index=3 Lecture 2. Backprop, Convolutions] | ||
Строка 29: | Строка 39: | ||
# К шестому (19.05.22): [https://www.coursera.org/learn/intro-to-deep-learning/home/week/4 Coursera, Week4. Autoencoders and GANs], [https://www.youtube.com/watch?v=rZufA635dq4 Лекция MIT (дополнительно, если осталось время)], [https://towardsdatascience.com/understanding-variational-autoencoders-vaes-f70510919f73 Хорошая статья по VAE] | # К шестому (19.05.22): [https://www.coursera.org/learn/intro-to-deep-learning/home/week/4 Coursera, Week4. Autoencoders and GANs], [https://www.youtube.com/watch?v=rZufA635dq4 Лекция MIT (дополнительно, если осталось время)], [https://towardsdatascience.com/understanding-variational-autoencoders-vaes-f70510919f73 Хорошая статья по VAE] | ||
# К седьмому (25.05.22): [https://www.youtube.com/watch?v=_Gnh8Z2Pn_o, Lecture 9.Word Embeddings] | # К седьмому (25.05.22): [https://www.youtube.com/watch?v=_Gnh8Z2Pn_o, Lecture 9.Word Embeddings] | ||
− | # К восьмому (01.06.22): [https://www.youtube.com/watch?v=bAnx1E45rrE&list=PLEwK9wdS5g0qa3PIhR6HBDJD_QnrfP8Ei&index=48, Lecture 10. Recurrent neural networks], [https://colah.github.io/posts/2015-08-Understanding-LSTMs/ освежаем теорию по LSTM] | + | # К восьмому (01.06.22): [https://www.youtube.com/watch?v=bAnx1E45rrE&list=PLEwK9wdS5g0qa3PIhR6HBDJD_QnrfP8Ei&index=48, Lecture 10. Recurrent neural networks], [https://colah.github.io/posts/2015-08-Understanding-LSTMs/ освежаем теорию по LSTM]</small> |
=== Материалы по курсу (во время семинаров) === | === Материалы по курсу (во время семинаров) === | ||
− | # Занятие 1: [https://ruder.io/optimizing-gradient-descent/index.html Статья про разные методы оптимизации] | + | ==== Модуль 5 ==== |
+ | |||
+ | ==== Модуль 4 ==== | ||
+ | <small># Занятие 1: [https://ruder.io/optimizing-gradient-descent/index.html Статья про разные методы оптимизации] | ||
# Занятие 2: [https://drive.google.com/file/d/1sEhgwRlyaWmGFZ23F0KYZp6MojXp_IxE/view?usp=sharing Colab-Ноутбук], [https://github.com/torch/torch7/wiki/Torch-for-Numpy-users Cheatsheet "Torch equivalents of numpy functions"] | # Занятие 2: [https://drive.google.com/file/d/1sEhgwRlyaWmGFZ23F0KYZp6MojXp_IxE/view?usp=sharing Colab-Ноутбук], [https://github.com/torch/torch7/wiki/Torch-for-Numpy-users Cheatsheet "Torch equivalents of numpy functions"] | ||
# Занятие 3: [https://distill.pub/ Distill - Latest articles about ML (Clear, Dynamic and Vivid)] | # Занятие 3: [https://distill.pub/ Distill - Latest articles about ML (Clear, Dynamic and Vivid)] | ||
Строка 39: | Строка 52: | ||
# Занятие 6: | # Занятие 6: | ||
# Занятие 7: [https://ods.ai/competitions/mcs_car_verification Соревнование по CV от ods.ai] | # Занятие 7: [https://ods.ai/competitions/mcs_car_verification Соревнование по CV от ods.ai] | ||
− | # Занятие 8: [https://habr.com/ru/company/sberdevices/blog/666420/ Статья про суммаризатор текстов], [https://sbercloud.ru/ru/datahub/rugpt3family/summarizer демо-бета версия на ML-space] | + | # Занятие 8: [https://habr.com/ru/company/sberdevices/blog/666420/ Статья про суммаризатор текстов], [https://sbercloud.ru/ru/datahub/rugpt3family/summarizer демо-бета версия на ML-space]</small> |
=== Ссылки на видеозаписи занятий === | === Ссылки на видеозаписи занятий === | ||
Строка 63: | Строка 76: | ||
В каждом модуле оценка выставляется отдельно. | В каждом модуле оценка выставляется отдельно. | ||
− | '''O<sub>4_модуль</sub> = Х * Обязательное ДЗ №1 + Y * Обязательное ДЗ №2''' | + | <small>'''O<sub>4_модуль</sub> = Х * Обязательное ДЗ №1 + Y * Обязательное ДЗ №2''' |
+ | </small> | ||
'''O<sub>5_модуль</sub> = Z * Обязательное ДЗ №3''' | '''O<sub>5_модуль</sub> = Z * Обязательное ДЗ №3''' | ||
Строка 79: | Строка 93: | ||
|} | |} | ||
− | === Домашнее задание №1 ''(Обязательное)'' === | + | === Модуль 5 === |
+ | |||
+ | === Модуль 4 === | ||
+ | ==== Домашнее задание №1 ''(Обязательное)'' ==== | ||
− | Вам предстоит решить домашнее задание по сверточным нейронным сетям (CNN). [https://github.com/hse-ds/iad-deep-learning/blob/master/2021/homeworks/hw02/hw2.ipynb Ссылка на ноутбук с заданием.], [https://www.dropbox.com/s/ewf7m59iksdezbk/dataset.zip данные] | + | <small>Вам предстоит решить домашнее задание по сверточным нейронным сетям (CNN). [https://github.com/hse-ds/iad-deep-learning/blob/master/2021/homeworks/hw02/hw2.ipynb Ссылка на ноутбук с заданием.], [https://www.dropbox.com/s/ewf7m59iksdezbk/dataset.zip данные] |
Задание состоит из двух частей: написание сверточной нейронной сети "с нуля" и файнтюнинг предобученной модели. | Задание состоит из двух частей: написание сверточной нейронной сети "с нуля" и файнтюнинг предобученной модели. | ||
Строка 87: | Строка 104: | ||
Части оцениваются совместно - максимум за работу 10 баллов. | Части оцениваются совместно - максимум за работу 10 баллов. | ||
− | '''Жесткий дедлайн - 26.05 (Чт) 9:00''' | + | '''Жесткий дедлайн - 26.05 (Чт) 9:00'''</small> |
− | === Домашнее задание №2 ''(Обязательное)'' === | + | ==== Домашнее задание №2 ''(Обязательное)'' ==== |
− | Крайнее в четвёртом модуле задание | + | <small>Крайнее в четвёртом модуле задание |
Вся необходимая информация собрана в [[https://github.com/MariyaTikhonova/hse_mlds_deep_learning_course/tree/spring_fall_22/week_08_rnn репозитории]], ссылки для скачивания датасета: [[https://www.dropbox.com/s/oq4ksm3a14pljm6/train.csv train]], [[https://www.dropbox.com/s/5imsmsxy8ptt2ke/test.csv test]] | Вся необходимая информация собрана в [[https://github.com/MariyaTikhonova/hse_mlds_deep_learning_course/tree/spring_fall_22/week_08_rnn репозитории]], ссылки для скачивания датасета: [[https://www.dropbox.com/s/oq4ksm3a14pljm6/train.csv train]], [[https://www.dropbox.com/s/5imsmsxy8ptt2ke/test.csv test]] | ||
− | '''Дедлайн''': 23 июня 2022, 9:00 | + | '''Дедлайн''': 23 июня 2022, 9:00</small> |
Версия 05:59, 30 августа 2022
Содержание
О курсе
Преподаватель:
Тихонова Мария Ивановна: Senior Data Scientist (Sber, SberDevices), преподаватель (НИУ ВШЭ), руководитель курсов по Машинному обучению (OTUS)
Семинары
Канал курса в Telegram: Присоединиться к каналу в Телеграм
Чат курса: Присоединиться к чату
Занятия в пятом модуле проводятся в ... по ... в ...
Занятия в четвертом модуле проводились в Zoom по средам в 18:00: [1]
Все материалы занятий находятся здесь: Ссылка на GitHub-репозиторий курса
Репозиторий с материалами прошлого года: Ссылка на GitHub-репозиторий курса
Материалы к курсу (перед семинарами)
Модуль 5
Модуль 4 =
Плейлист курса Е.Соколова "Основы Глубинного обучения": YouTube
- Посмотреть к первому занятию (12.04.22): Lecture 1, Введение, Lecture 2. Backprop, Convolutions
- Ко второму (20.04.22): Всё то же введение от Е. Соколова, Lecture 4. CNNs, Оптимизация в DL
- К третьему (27.04.22): Lecture 2. CNN-1, Lecture 3. CNN-2, Lecture 5. ConvNets Augmentation, Dropouts and Normalization
- К четвёртому (11.05.22): Lecture 6, ConvNets Architectures, Lecture 7. CV tasks, Lecture 8. CV
- К пятому (16.05.22):
- К шестому (19.05.22): Coursera, Week4. Autoencoders and GANs, Лекция MIT (дополнительно, если осталось время), Хорошая статья по VAE
- К седьмому (25.05.22): Lecture 9.Word Embeddings
- К восьмому (01.06.22): Lecture 10. Recurrent neural networks, освежаем теорию по LSTM
Материалы по курсу (во время семинаров)
Модуль 5
Модуль 4
# Занятие 1: Статья про разные методы оптимизации
- Занятие 2: Colab-Ноутбук, Cheatsheet "Torch equivalents of numpy functions"
- Занятие 3: Distill - Latest articles about ML (Clear, Dynamic and Vivid)
- Занятие 4: Подробнейшая статья про Свёртки для CV
- Занятие 5:
- Занятие 6:
- Занятие 7: Соревнование по CV от ods.ai
- Занятие 8: Статья про суммаризатор текстов, демо-бета версия на ML-space
Ссылки на видеозаписи занятий
Записи занятий: Записи занятий на YouTube
Расписание
Группа | Ссылка | Преподаватель | Учебный ассистент | Инвайт в anytask |
Время | Zoom | Мария Тихонова | Артем Червяков | PKivb1Q |
Правила выставления оценок
В курсе предусмотрено несколько форм контроля знания:
- Первое обязательное домашнее задание;
- Второе обязательное домашнее задание;
- Третье обязательное домашнее задание.
В каждом модуле оценка выставляется отдельно.
O4_модуль = Х * Обязательное ДЗ №1 + Y * Обязательное ДЗ №2
O5_модуль = Z * Обязательное ДЗ №3
Семинары
Материалы семинаров: GitHub
Домашние задания
Все домашние работы необходимо сдавать в Anytask.
Инвайт для Anytask | PKivb1Q |
Модуль 5
Модуль 4
Домашнее задание №1 (Обязательное)
Вам предстоит решить домашнее задание по сверточным нейронным сетям (CNN). Ссылка на ноутбук с заданием., данные
Задание состоит из двух частей: написание сверточной нейронной сети "с нуля" и файнтюнинг предобученной модели.
Части оцениваются совместно - максимум за работу 10 баллов.
Жесткий дедлайн - 26.05 (Чт) 9:00
Домашнее задание №2 (Обязательное)
Крайнее в четвёртом модуле задание
Вся необходимая информация собрана в [репозитории], ссылки для скачивания датасета: [train], [test]
Дедлайн: 23 июня 2022, 9:00