Глубинное обучение 2022 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(Новая страница: «'''Страница в разработке''' === Расписание === '''Лекция:''' Максим Рябинин, среда 11:10-12:30 '''Сем…»)
 
 
(не показано 7 промежуточных версии 2 участников)
Строка 1: Строка 1:
−
'''Страница в разработке'''
 
−
 
 
=== Расписание ===
 
=== Расписание ===
  
−
'''Лекция:''' Максим Рябинин, среда 11:10-12:30   
+
'''Лекция:''' [https://www.hse.ru/staff/mryabinin Максим Рябинин], среда 11:10-12:30   
  
 
'''Семинары'''
 
'''Семинары'''
 
{| class="wikitable"
 
{| class="wikitable"
 
|-
 
|-
−
! Группа  !! Семинарист !! Контакты !! Расписание
+
! Группа  !! Семинарист !! Контакты !! Расписание !! Инвайт в Anytask
 
|-
 
|-
−
| Офлайн 191 || [https://www.hse.ru/org/persons/190912012 Иван Рубачев] ||  https://t.me/puhsuuu || среда 13:00
+
| Оффлайн 191 || [https://www.hse.ru/org/persons/190912012 Иван Рубачев] ||  https://t.me/puhsuuu || среда 13:00, G110 || <code>wz4PE8t</code>
 
|-
 
|-
−
| Онлайн 192 ||[https://www.hse.ru/org/persons/225547289 Аким Котельников]||  https://t.me/akimkot || среда 13:00
+
| Онлайн 192 ||[https://www.hse.ru/org/persons/225547289 Аким Котельников]||  https://t.me/akimkot || среда 13:00 || <code>99yTXq3</code>
 
|-
 
|-
−
| Онлайн 193 ||[https://www.hse.ru/staff/mryabinin Максим Рябинин]|| https://t.me/mryab || среда 13:00
+
| Онлайн 193 ||[https://www.hse.ru/staff/mryabinin Максим Рябинин]|| https://t.me/mryab || среда 13:00 || <code>pHBT1Lh</code>
 
|-
 
|-
 
|}
 
|}
Строка 23: Строка 21:
 
! Группа  !! Ассистент
 
! Группа  !! Ассистент
 
|-
 
|-
−
| Офлайн 191 || [https://t.me/team_mur Тимур Ваньков], [https://t.me/Blackaddder Денис Кузнеделев]  
+
| 191 || [https://t.me/team_mur Тимур Ваньков], [https://t.me/Blackaddder Денис Кузнеделев]  
 
|-
 
|-
−
| Онлайн 192 || [https://t.me/horror_in_black Александра Коган], [https://t.me/timothyxp Тимофей Смирнов]  
+
| 192 || [https://t.me/horror_in_black Александра Коган], [https://t.me/timothyxp Тимофей Смирнов]  
 
|-
 
|-
−
| Онлайн 193 ||[https://t.me/baranovskayadaria Даша Барановская], [https://t.me/nickkartashev Николай Карташев]
+
| 193 ||[https://t.me/baranovskayadaria Даша Барановская], [https://t.me/nickkartashev Николай Карташев]
 
|-
 
|-
 
|}
 
|}
  
−
'''Почта курса''': cs.hse.dl@gmail.com  
+
'''Почта курса''': cs.hse.dl@gmail.com (важные письма лучше дублировать на почту лектору)
  
−
'''[TBA Таблица с оценками]''' <br />
+
'''[https://docs.google.com/spreadsheets/d/1aKE47GSH6ZeII5nHeA8OIXMwyM_kRKqmHvDpfj3KHzc/edit#gid=0 Таблица с оценками]''' <br />
 
'''[https://www.github.com/mryab/dl-hse-ami Репозиторий с материалами]''' <br />
 
'''[https://www.github.com/mryab/dl-hse-ami Репозиторий с материалами]''' <br />
−
'''[TBA Записи занятий]''' <br />
+
'''[https://t.me/dl22_announcements Telegram-канал курса]''' <br />
−
'''[TBA Чат телеграм]''' <br />
+
'''[https://forms.gle/Z7bUKkZXGBDf7YFx9 Доступ к DataSphere (дедлайн 05.10)] <br />
−
'''[TBA Anytask]''' <br />
+
'''[https://anytask.org/course/951 Anytask]''' <br />
  
  
 
== Краткое описание ==
 
== Краткое описание ==
  
−
Курс по Deep Learning. Рассказываем про архитектуры нейросетей, их обучение, разные области применения Deep Learning. Используем PyTorch
+
Курс по Deep Learning. Рассказываем про архитектуры нейросетей, их обучение, разные области применения Deep Learning. Используем PyTorch.
  
−
Будут примерно каждую неделю МДЗ (маленькие) по теме лекций и за весь курс три БДЗ (большие) на темы: CV, NLP, image2image. Также планируется одна проверочная. Для выполнения МДЗ достаточно будет [https://colab.research.google.com colab'а], для БДЗ будет выдан доступ в Яндекс.DataSphere. ДЗ сдаются в Anytask.
+
Примерно каждую неделю будут выдаваться МДЗ (маленькие домашние задания) по теме лекций. Также за весь курс будут выданы три БДЗ (большие домашние задания) на темы CV, NLP, image2image. Также планируются проверочные работы по материалам лекций. Для выполнения МДЗ достаточно будет [https://colab.research.google.com Google Colab], для БДЗ будет выдан доступ в Yandex DataSphere. ДЗ сдаются в Anytask.
  
−
У МДЗ есть мягкие и жесткие дедлайны. После жёсткого дедлайна штраф 10% от оценки в день. После жёсткого дедлайна работа не принимается, дедлайны не переносятся. У больших ДЗ есть чекпойнт, к которому нужно сдать бейзлайн (набросок решения).  
+
У МДЗ есть мягкие и жесткие дедлайны. После жёсткого дедлайна штраф составляет 10% от оценки в день. После жёсткого дедлайна работа не принимается, дедлайны не переносятся. У больших ДЗ есть чекпойнт, к которому нужно сдать бейзлайн (базовое решение для задачи, работающее с минимально допустимым качеством).
  
 
'''Плагиат''':
 
'''Плагиат''':
  
 
*Задания делаются индивидуально
 
*Задания делаются индивидуально
−
*Обсуждать между собой решения можно
+
*Обсуждать между собой решения можно (но напишите в решении, с кем вы его обсуждали)
 
*Код должен быть написан самостоятельно
 
*Код должен быть написан самостоятельно
 
*В заданиях сказано, откуда можно копировать код
 
*В заданиях сказано, откуда можно копировать код
Строка 60: Строка 58:
  
 
'''ВАЖНО'''
 
'''ВАЖНО'''
−
*Копировать другой код из интернета или у соседа нельзя
+
*Копировать другой код из интернета или у соседа нельзя. В случае обнаружения плагиата мы будем без предупреждений направлять служебную записку в учебный офис
−
*Мы будем без предупреждений писать жалобы в УО
+
 
*Обязательно указывать источники, которыми вы вдохновлялись (в том числе других студентов)
 
*Обязательно указывать источники, которыми вы вдохновлялись (в том числе других студентов)
 
*Если непонятно, можно ли что-то использовать, то спросите нас
 
*Если непонятно, можно ли что-то использовать, то спросите нас
Строка 73: Строка 70:
 
О_накоп = 0.3*О_small + 0.7*O_big
 
О_накоп = 0.3*О_small + 0.7*O_big
  
−
Если накоп >= 6 после округления, то '''автомат'''
+
Если накопленная оценка >= 6 после округления, то есть возможность получить '''автомат''' за курс
  
 
O_small = среднее по МДЗ и проверочным
 
O_small = среднее по МДЗ и проверочным
Строка 84: Строка 81:
 
== Fast track ==
 
== Fast track ==
  
−
Если вы проходили курс по DL где-то ещё, его можно '''перезачесть'''.
+
Если вы проходили курс по DL где-то ещё, его можно '''перезачесть'''. Схема индивидуальная для каждого студента (писать Максиму).
−
 
+
−
Схема индивидуальная для каждого студента (писать Максиму).
+
−
 
+
−
Отлично — 8, хорошо — 6, удовлетворительно — 4.
+
−
 
+
−
Дополнительные баллы можно набрать, если вы <br />
+
−
A) Прошли курсы помимо DL (например, NLP+RL в ШАД) <br />
+
−
B) Сдадите недостающие домашки (например, ДЗ2, ДЗ3, МДЗ10)
+
−
 
+
−
== Yandex Research ==
+
−
[https://yandex.ru/yaintern/research_ml_residency Программа ML Residency]
+

Текущая версия на 01:17, 20 декабря 2022

Расписание

Лекция: Максим Рябинин, среда 11:10-12:30

Семинары

Группа Семинарист Контакты Расписание Инвайт в Anytask
Оффлайн 191 Иван Рубачев https://t.me/puhsuuu среда 13:00, G110 wz4PE8t
Онлайн 192 Аким Котельников https://t.me/akimkot среда 13:00 99yTXq3
Онлайн 193 Максим Рябинин https://t.me/mryab среда 13:00 pHBT1Lh

Ассистенты

Группа Ассистент
191 Тимур Ваньков, Денис Кузнеделев
192 Александра Коган, Тимофей Смирнов
193 Даша Барановская, Николай Карташев

Почта курса: cs.hse.dl@gmail.com (важные письма лучше дублировать на почту лектору)

Таблица с оценками
Репозиторий с материалами
Telegram-канал курса
Доступ к DataSphere (дедлайн 05.10)
Anytask


Краткое описание

Курс по Deep Learning. Рассказываем про архитектуры нейросетей, их обучение, разные области применения Deep Learning. Используем PyTorch.

Примерно каждую неделю будут выдаваться МДЗ (маленькие домашние задания) по теме лекций. Также за весь курс будут выданы три БДЗ (большие домашние задания) на темы CV, NLP, image2image. Также планируются проверочные работы по материалам лекций. Для выполнения МДЗ достаточно будет Google Colab, для БДЗ будет выдан доступ в Yandex DataSphere. ДЗ сдаются в Anytask.

У МДЗ есть мягкие и жесткие дедлайны. После жёсткого дедлайна штраф составляет 10% от оценки в день. После жёсткого дедлайна работа не принимается, дедлайны не переносятся. У больших ДЗ есть чекпойнт, к которому нужно сдать бейзлайн (базовое решение для задачи, работающее с минимально допустимым качеством).

Плагиат:

  • Задания делаются индивидуально
  • Обсуждать между собой решения можно (но напишите в решении, с кем вы его обсуждали)
  • Код должен быть написан самостоятельно
  • В заданиях сказано, откуда можно копировать код
  • Можно (и нужно) пользоваться ресурсами библиотеки PyTorch
  • Документация: [1]
  • Туториалы: [2]
  • Примеры: [3]

ВАЖНО

  • Копировать другой код из интернета или у соседа нельзя. В случае обнаружения плагиата мы будем без предупреждений направлять служебную записку в учебный офис
  • Обязательно указывать источники, которыми вы вдохновлялись (в том числе других студентов)
  • Если непонятно, можно ли что-то использовать, то спросите нас

Система выставления оценок

Итоговая формула выставления оценки выглядит следующим образом:

О_результ = round(0.3*О_экз + 0.7*О_накоп)

О_накоп = 0.3*О_small + 0.7*O_big

Если накопленная оценка >= 6 после округления, то есть возможность получить автомат за курс

O_small = среднее по МДЗ и проверочным

O_big = O_1*w1 + O_2*w2 + O_3*w3 (оценки за большие дз с весами)

[w1, w2, w3] = softmin([O_1, O_2, O_3]/20), Что такое Softmin?


Fast track

Если вы проходили курс по DL где-то ещё, его можно перезачесть. Схема индивидуальная для каждого студента (писать Максиму).

Источник — «http://wiki.cs.hse.ru/index.php?title=Глубинное_обучение_2022&oldid=75025»