Глубинное обучение-МОиВС-2022 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
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 - 19.05 (Чт) 9:00'''  
+
'''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

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

  1. Посмотреть к первому занятию (12.04.22): Lecture 1, Введение, Lecture 2. Backprop, Convolutions
  2. Ко второму (20.04.22): Всё то же введение от Е. Соколова, Lecture 4. CNNs, Оптимизация в DL
  3. К третьему (27.04.22): Lecture 2. CNN-1, Lecture 3. CNN-2, Lecture 5. ConvNets Augmentation, Dropouts and Normalization
  4. К четвёртому (11.05.22): Lecture 6, ConvNets Architectures, Lecture 7. CV tasks, Lecture 8. CV
  5. К пятому (19.05.22): Coursera, Week4. Autoencoders and GANs, Лекция MIT (дополнительно, если осталось время), Хорошая статья по VAE
  6. К шестому:
  7. К седьмому:


Материалы по курсу (во время семинаров)

  1. Занятие 1: [Статья про разные методы оптимизации]
  2. Занятие 2: Colab-Ноутбук, Cheatsheet "Torch equivalents of numpy functions"
  3. Занятие 3: Distill - Latest articles about ML (Clear, Dynamic and Vivid)
  4. Занятие 4: Подробнейшая статья про Свёртки для CV
  5. Занятие 5:
  6. Занятие 6:
  7. 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

Источник — «http://wiki.cs.hse.ru/index.php?title=Глубинное_обучение-МОиВС-2022&oldid=69704»