Глубинное обучение 2022 — различия между версиями
Akim (обсуждение | вклад) |
|||
(не показано 6 промежуточных версии этого же участника) | |||
Строка 1: | Строка 1: | ||
− | |||
− | |||
=== 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 |
|- | |- | ||
− | | | + | | 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 31: | Строка 29: | ||
|} | |} | ||
− | '''Почта курса''': cs.hse.dl@gmail.com | + | '''Почта курса''': cs.hse.dl@gmail.com (важные письма лучше дублировать на почту лектору) |
− | '''[ | + | '''[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 /> | ||
− | '''[ | + | '''[https://t.me/dl22_announcements Telegram-канал курса]''' <br /> |
− | '''[ | + | '''[https://forms.gle/Z7bUKkZXGBDf7YFx9 Доступ к DataSphere (дедлайн 05.10)] <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. |
− | + | 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 ( | + | 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 |
− | + | ||
*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 | + | 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). | + | |
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + | ||
− | + |
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).