Глубинное обучение 1 22/23 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(Не МОП)
(МОП)
Строка 59: Строка 59:
 
* Э - оценка за экзамен
 
* 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.
+
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 экзамена''': письменный, в аудитории, материалами пользоваться не разрешается, 2 часа.

Версия 11:56, 18 октября 2022

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

  1. Знать принцип работы и уметь обучать следующие виды нейронных сетей: полносвязные, сверточные, рекуррентные, трансформеры.
  2. Владение фреймворком PyTorch для обучения нейронных сетей.
  3. Понимание различных задач, которые решаются с применением глубинного обучения.
  4. Умение обрабатывать данные и составлять пайплайны для обучения нейронных сетей.

Полезные ссылки

  • 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 gMVmQgY
202 Ильдус Садртдинов Сергей Пилипенко, Мадина Халматова oDu4b6c
203 Алексей Биршерт Мария Поклонская, Дмитрий Лишуди eqbgrKV
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

Конспект от @ninachely: notion

  1. Автоматическое дифференцирование, полносвязные нейронные сети: запись
  2. Оптимизация нейронных сетей, SGD, Adam/AdamW. Dropout и Batch-нормализация: запись
  3. Разбор дифференцирования из МДЗ 1, операция свертки: запись
  4. Архитектуры сверточных нейронных сетей запись

Не МОП

В качестве лекционного материала используется онлайн-курс "Основы глубинного обучения", который охватывает следующие темы:

  1. Введение в нейронные сети, полносвязные нейронные сети, оптимизация

Семинары

МОП

  1. Введение в библиотеку PyTorch. Автоматическое дифференцирование: запись (группа 202)
  2. Полносвязные нейронные сети. Общая схема пайплайна обучения на PyTorch: запись (группа 202)
  3. Свертки в PyTorch, реализация архитектуры LeNet: запись (группа 202)
  4. Обучение моделей из torchvision, аугментации и fine-tuning запись (группа 202)

Не МОП

Маленькие домашние задания

МОП

МДЗ №1. Автоматическое дифференцирование и полносвязные нейронные сети: ссылка

Дата выдачи: 27.09.22 (вт)

Мягкий дедлайн: 19.10.22 23:59 (ср)

Жесткий дедлайн: 23.10.22 23:59 (вс)

Не МОП

Большие домашние задания

Теоретические домашние задания

Теоретические ДЗ не сдаются и предлагаются студентам для самостоятельного решения и ознакомления

ТДЗ №1. Полносвязные нейронные сети: ссылка