Глубинное обучение-МОиВС-2022

О курсе

Преподаватель:

Мария Тихонова, Senior Data Scientist (SberDevices, Sber), преподаватель (НИУ ВШЭ), руководитель курсов по МО (OTUS)

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 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 (16.05.22):
6. К шестому (19.05.22): Coursera, Week4. Autoencoders and GANs, Лекция MIT (дополнительно, если осталось время), Хорошая статья по VAE
7. К седьмому (25.05.22): Lecture 9.Word Embeddings
8. К восьмому (01.06.22): Lecture 10. Recurrent neural networks, освежаем теорию по LSTM

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: Соревнование по CV от ods.ai
8. 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.

O_{4_модуль} = Х * Обязательное ДЗ №1 + Y * Обязательное ДЗ №2

O_{5_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., 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