Глубинное обучение 1 22/23 — различия между версиями
(→Полезные ссылки) |
(→Маленькие домашние задания) |
||
| Строка 91: | Строка 91: | ||
== Маленькие домашние задания == | == Маленькие домашние задания == | ||
| + | |||
| + | '''МДЗ №1.''' Автоматическое дифференцирование и полносвязные нейронные сети: [https://github.com/isadrtdinov/intro-to-dl-hse/tree/2022-2023/homeworks-small/shw-01-mlp ссылка] | ||
| + | |||
| + | Дата выдачи: '''27.09.22 (вт)''' | ||
| + | |||
| + | Мягкий дедлайн: '''16.10.22 23:59 (вс)''' | ||
| + | |||
| + | Жесткий дедлайн: '''20.10.22 23:59 (чт)''' | ||
== Большие домашние задания == | == Большие домашние задания == | ||
Версия 15:50, 3 октября 2022
Содержание
О курсе
Это страничка курсов 2022-2023 года (1-3 модуль 3 курса ПМИ):
- Глубинное обучение 1 (для групп МОП: 201-203)
- Введение в глубинное обучение (для групп остальных специализаций, кроме РС: 204, 207-2010).
Курс посвящен глубинному обучению – самой активно развивающейся области машинного обучения. Слушатели курса узнают, какие задачи машинного обучения можно решать с помощью нейронных сетей и какие виды нейронных сетей находят свои применения на сегодняшний день. Курс имеет явную практическую направленность, студентам предлагаются задания на обучение нейронных сетей на фреймворке PyTorch языка программирования Python. В курсе обзорно, но достаточно для ознакомления разбираются задачи на изображения и тексты.
Цели освоения курса
- Знать принцип работы и уметь обучать следующие виды нейронных сетей: полносвязные, сверточные, рекуррентные, трансформеры.
- Владение фреймворком PyTorch для обучения нейронных сетей.
- Понимание различных задач, которые решаются с применением глубинного обучения.
- Умение обрабатывать данные и составлять пайплайны для обучения нейронных сетей.
Полезные ссылки
- Репозиторий курса: https://github.com/isadrtdinov/intro-to-dl-hse
- Таблица с оценками: https://docs.google.com/spreadsheets/d/1GUChnaG3M9zVVY-p8qtgsYrLas43w__BxrnyobNGctw/edit?usp=sharing
- Чат с обсуждением (МОП): +F6omM9r5jDYyZWMy (добавить после хттпс://т.ме/)
- Чат с обсуждением (не МОП): +SDpvrQwM4g0yZWFi (добавить после хтппс://т.ме/)
Преподаватели и ассистенты
Лекции (МОП); кому писать, если кажется, что все пропало: Ильдус Садртдинов
| Группа | Семинарист | Ассистенты | Инвайт в anytask |
|---|---|---|---|
| 201 | Дарья Барановская | Иван Пешехонов, Никита Корягин | TBA |
| 202 | Ильдус Садртдинов | Сергей Пилипенко, Мадина Халматова | TBA |
| 203 | Алексей Биршерт | Мария Поклонская, Дмитрий Лишуди | TBA |
| 204 | Никита Морозов | Фома Шипилов | TBA |
| 207 | Анжела Сухарева | Злата Клименко | TBA |
| 208 | Аким Цвигун | Лилия Курченко | TBA |
| 209 | Диана Сусла | Александр Крупецков | TBA |
| 2010 | Сергей Ким | Вячеслав Пирогов | TBA |
Формулы оценок
МОП
Итог = Округление(0.3 * БДЗ + 0.25 * МДЗ + 0.15 ПР + 0.3 * Э)
- БДЗ - оценка за большие домашние задания
- МДЗ - оценка за маленькие домашние задания
- ПР - оценка за проверочные работы (проводятся на семинарах)
- Э - оценка за экзамен
Округление арифметическое. Определим накопленную оценку как Накоп = Округление((0.3 * БДЗ + 0.25 МДЗ + 0.15 * ПР) / 0.7). Если Накоп >=8, то студент может получить Накоп в качестве итоговой оценки, не приходя на экзамен.
Формат экзамена: письменный, в аудитории, материалами пользоваться не разрешается, 2 часа.
Формат пересдачи: накопленная оценка сохраняется, формат аналогичен экзамену.
Не МОП
Итог = Округление(0.7 * МДЗ + 0.3 * ПР)
- МДЗ - оценка за маленькие домашние задания
- ПР - оценка за проверочные работы (проводятся на семинарах)
Округление арифметическое.
Формат экзамена: экзамен не предусмотрен.
Формат пересдачи: досдача МДЗ.
Лекции
МОП
Не МОП
Семинары
МОП
Не МОП
Маленькие домашние задания
МДЗ №1. Автоматическое дифференцирование и полносвязные нейронные сети: ссылка
Дата выдачи: 27.09.22 (вт)
Мягкий дедлайн: 16.10.22 23:59 (вс)
Жесткий дедлайн: 20.10.22 23:59 (чт)
