Глубинное обучение-МОиВС-2022 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
м (add chat link)
(a few changes in nakop and links)
Строка 1: Строка 1:
 
== О курсе ==
 
== О курсе ==
  
'''Преподаватели:'''
+
'''Преподаватель:'''
  
 
Тихонова Мария Ивановна
 
Тихонова Мария Ивановна
Строка 26: Строка 26:
 
# 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 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 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 шестому (25.05.22): [https://www.youtube.com/watch?v=_Gnh8Z2Pn_o, Lecture 9.Word Embeddings]
# К седьмому:
+
# К седьмому (01.06.22): [https://www.youtube.com/watch?v=bAnx1E45rrE&list=PLEwK9wdS5g0qa3PIhR6HBDJD_QnrfP8Ei&index=48, Lecture 10. Recurrent neural networks]
  
  
Строка 55: Строка 55:
 
В курсе предусмотрено несколько форм контроля знания:
 
В курсе предусмотрено несколько форм контроля знания:
  
* первая форма контроля;
+
* Первое обязательное домашнее задание;
* вторая форма контроля;
+
* Второе обязательное домашнее задание;
* третья форма контроля.
+
* Третье обязательное домашнее задание.
  
Накопленная оценка вычисляется на основе оценки за работу в течение 2-х модулей:
+
В каждом модуле оценка выставляется отдельно.
  
'''Накопленная оценка = X * первая форма контроля + Y * вторая форма контроля + Z * третья форма контроля'''
+
'''O<sub>4_модуль</sub> = Х * Обязательное ДЗ №1 + Y * Обязательное ДЗ №2'''
 +
 
 +
'''O<sub>5_модуль</sub> = Z * Обязательное ДЗ №3'''
  
 
== Семинары ==
 
== Семинары ==

Версия 23:19, 27 мая 2022

О курсе

Преподаватель:

Тихонова Мария Ивановна

Семинары

Канал курса в Telegram: Присоединиться к каналу в Телеграм

Чат курса: Присоединиться к чату

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 (25.05.22): Lecture 9.Word Embeddings
  7. К седьмому (01.06.22): Lecture 10. Recurrent neural networks


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:

  • 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

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