МОВС Глубинное обучение (ММОВС22, 4-5 модули) — различия между версиями
Материал из Wiki - Факультет компьютерных наук
(create page) |
м (after sem1) |
||
Строка 31: | Строка 31: | ||
! Занятие !! Тема !! Дата !! Материалы для самоподготовки к семинарам !! Дополнительные материалы | ! Занятие !! Тема !! Дата !! Материалы для самоподготовки к семинарам !! Дополнительные материалы | ||
|- | |- | ||
− | | style="background:#eaecf0;" | '''1''' [[ Запись]] || [[ Ноутбук]] Полносвязные нейронные сети || 12.04.23 || || | + | | style="background:#eaecf0;" | '''1''' [[https://www.youtube.com/watch?v=MLzJEXD33hw&list=PLmA-1xX7IuzB9_Ftp0pLFIVsqBOr0XrUI Запись]] || [[ Ноутбук]] Полносвязные нейронные сети || 12.04.23 || |
+ | Лекции Е. Соколова с ИАДа: [https://youtu.be/-VH7bIoxYp8?t=160 1] и [https://www.youtube.com/watch?v=g552oCpg-NE 2] (до свёрток) или/и | ||
+ | |||
+ | [https://www.youtube.com/watch?v=g552oCpg-NE Лекция] Ильдуса про полносвязные нейросети. | ||
+ | |||
+ | Почитать можно [https://academy.yandex.ru/handbook/ml/article/nejronnye-seti раздел 5] "Введение в глубинное обучение" в учебнике ШАДа | ||
+ | || | ||
|- | |- | ||
− | | style="background:#eaecf0;" | '''2''' [[ Запись]] || [[ Ноутбук]] Полносвязные нейронные сети (продолжение) || 19.04.23 || || | + | | style="background:#eaecf0;" | '''2''' [[ Запись]] || [[ Ноутбук]] Полносвязные нейронные сети (продолжение) || 19.04.23 || [https://youtu.be/O9JV_Kgd31E Лекция] "Оптимизации нейронных сетей" || |
|- | |- | ||
| style="background:#eaecf0;" | '''3''' [[ Запись]] || [[ Ноутбук]] Свёрточные нейронные сети || 26.04.23 || || | | style="background:#eaecf0;" | '''3''' [[ Запись]] || [[ Ноутбук]] Свёрточные нейронные сети || 26.04.23 || || | ||
Строка 47: | Строка 53: | ||
| style="background:#eaecf0;" | '''8''' [[ Запись]] || [[ Ноутбук]] Рекуррентные нейронные сети, LSTM, архитектура Decoder-Encoder || 07.06.23 || || | | style="background:#eaecf0;" | '''8''' [[ Запись]] || [[ Ноутбук]] Рекуррентные нейронные сети, LSTM, архитектура Decoder-Encoder || 07.06.23 || || | ||
|- | |- | ||
− | Конец первой части курса | + | | Конец первой части курса | |
|- | |- | ||
|} | |} | ||
Строка 54: | Строка 60: | ||
=== Записи консультаций === | === Записи консультаций === | ||
− | |||
==Формула оценивания== | ==Формула оценивания== |
Версия 12:01, 17 апреля 2023
Содержание
О курсе
Занятия проводятся в Zoom по средам в 19:00
Контакты
Канал курса в TG: channel link
Чат курса в TG: chat link
Преподаватель: Садртдинов Ильдус Рустемович
Ассистенты | Контакты |
---|---|
Марк Блуменау | @markblumenau |
Илья Никитин | @is_nikitin |
Кирилл Козлов | @dedpe |
Материалы курса
Ссылка на плейлист курса на YouTube: YouTube-playlist
Ссылка на GitHub с материалами курса: GitHub repository
Занятие | Тема | Дата | Материалы для самоподготовки к семинарам | Дополнительные материалы |
---|---|---|---|---|
1 [Запись] | Ноутбук Полносвязные нейронные сети | 12.04.23 |
Лекции Е. Соколова с ИАДа: 1 и 2 (до свёрток) или/и Лекция Ильдуса про полносвязные нейросети. Почитать можно раздел 5 "Введение в глубинное обучение" в учебнике ШАДа |
|
2 Запись | Ноутбук Полносвязные нейронные сети (продолжение) | 19.04.23 | Лекция "Оптимизации нейронных сетей" | |
3 Запись | Ноутбук Свёрточные нейронные сети | 26.04.23 | ||
4 Запись | Ноутбук Свёрточные нейронные сети (продолжение) | 10.05.23 | ||
5 Запись | Ноутбук Регуляризация нейронных сетей: dropout, batch-norm, etc. | 17.05.23 | ||
6 Запись | Ноутбук Сегментация и детекция | 24.05.23 | ||
7 Запись | Ноутбук Нейросетевые векторные представления слов | 31.05.23 | ||
8 Запись | Ноутбук Рекуррентные нейронные сети, LSTM, архитектура Decoder-Encoder | 07.06.23 | ||
На втором курсе вас ждет продолжение: трансформеры и семейство генеративных моделей
Записи консультаций
Формула оценивания
Оценка = 0.15*Отесты + 0.25*Описьменный коллоквиум + 0.6*ОДЗ
Домашние задания
- Полносвязные нейронные сети
- Свёрточные нейронные сети
- Рекуррентные нейронные сети
Литература
- Гудфеллоу Я. − Глубокое обучение
- Christopher M. Bishop - Pattern Recognition and Machine Learning
- Стивенс Э. - PyTorch. Освещая глубокое обучение