Глубинное обучение-МОиВС-2022 — различия между версиями
м (about hw2) |
(Add course materials (actual for 18.05)) |
||
Строка 15: | Строка 15: | ||
Репозиторий с материалами прошлого года: [https://github.com/pet67/hse_mlds_deep_learning_course Ссылка на GitHub-репозиторий курса] | Репозиторий с материалами прошлого года: [https://github.com/pet67/hse_mlds_deep_learning_course Ссылка на GitHub-репозиторий курса] | ||
+ | |||
+ | === 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] | ||
+ | |||
+ | # 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] | ||
+ | # Ко второму (20.04.22): [https://www.youtube.com/watch?v=i8W_ZgiajOs&list=PLEwK9wdS5g0qa3PIhR6HBDJD_QnrfP8Ei&t=770s Всё то же введение от Е. Соколова], [https://www.youtube.com/watch?v=7ljQTZ8HT-A&list=PLEwK9wdS5g0qa3PIhR6HBDJD_QnrfP8Ei&index=29 Lecture 4. CNNs, Оптимизация в DL] | ||
+ | # К третьему (27.04.22): [https://youtu.be/aSTwlPjJfso?list=PLEwK9wdS5g0qa3PIhR6HBDJD_QnrfP8Ei&t=2665 Lecture 2. CNN-1], [https://www.youtube.com/watch?v=4nKWQno1vG8&list=PLEwK9wdS5g0qa3PIhR6HBDJD_QnrfP8Ei&index=11 Lecture 3. CNN-2], [https://youtu.be/7ljQTZ8HT-A?list=PLEwK9wdS5g0qa3PIhR6HBDJD_QnrfP8Ei&t=3639 Lecture 5. ConvNets Augmentation, Dropouts and Normalization] | ||
+ | # К четвёртому (11.05.22): [https://www.youtube.com/watch?v=yL0KLqEwfv4&list=PLEwK9wdS5g0qa3PIhR6HBDJD_QnrfP8Ei&index=31 Lecture 6, ConvNets Architectures], [https://www.youtube.com/watch?v=vWl-vlmsomI&list=PLEwK9wdS5g0qa3PIhR6HBDJD_QnrfP8Ei&index=40 Lecture 7. CV tasks], [https://www.youtube.com/watch?v=Z-e_71h1Oew&list=PLEwK9wdS5g0qa3PIhR6HBDJD_QnrfP8Ei&index=41 Lecture 8. CV] | ||
+ | # К пятому (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: | ||
+ | # К седьмому: | ||
+ | |||
+ | |||
+ | === Материалы по курсу (во время семинаров) === | ||
+ | # Занятие 1: [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 3: [https://distill.pub/ Distill - Latest articles about ML (Clear, Dynamic and Vivid)] | ||
+ | # Занятие 4: [https://cs231n.github.io/convolutional-networks/ Подробнейшая статья про Свёртки для CV] | ||
+ | # Занятие 5: | ||
+ | # Занятие 6: | ||
+ | # Занятие 7: | ||
=== Ссылки на видеозаписи занятий === | === Ссылки на видеозаписи занятий === | ||
Строка 60: | Строка 81: | ||
Каждая часть оценивается в 1.5 балла. Суммарно за выполнение обеих частей можно получить 3 балла. | Каждая часть оценивается в 1.5 балла. Суммарно за выполнение обеих частей можно получить 3 балла. | ||
− | '''Дедлайн - | + | '''Дедлайн - 26.05 (Чт) 9:00''' |
=== Домашнее задание №2 ''(Обязательное)'' === | === Домашнее задание №2 ''(Обязательное)'' === | ||
Крайнее в четвёртом модуле задание | Крайнее в четвёртом модуле задание |
Версия 18:01, 18 мая 2022
Содержание
О курсе
Преподаватели:
Тихонова Мария Ивановна
Семинары
Канал курса в Telegram: Присоединиться к каналу в Телеграм
Занятия проводятся 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)
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 (19.05.22): Coursera, Week4. Autoencoders and GANs, Лекция MIT (дополнительно, если осталось время), Хорошая статья по VAE
- К шестому:
- К седьмому:
Материалы по курсу (во время семинаров)
- 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:
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:
- первая форма контроля;
- вторая форма контроля;
- третья форма контроля.
Накопленная оценка вычисляется на основе оценки за работу в течение 2-х модулей:
Накопленная оценка = X * первая форма контроля + Y * вторая форма контроля + Z * третья форма контроля
Семинары
Материалы семинаров: GitHub
Домашние задания
Все домашние работы необходимо сдавать в Anytask.
Инвайт для Anytask | PKivb1Q |
Домашнее задание №1 (Обязательное)
Вам предстоит решить домашнее задание по сверточным нейронным сетям (CNN). Ссылка на ноутбук с заданием.
Задание состоит из двух частей: написание сверточной нейронной сети "с нуля" и файнтюнинг предобученной модели.
Каждая часть оценивается в 1.5 балла. Суммарно за выполнение обеих частей можно получить 3 балла.
Дедлайн - 26.05 (Чт) 9:00
Домашнее задание №2 (Обязательное)
Крайнее в четвёртом модуле задание