Основы глубинного обучения — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(Лекции)
(Практические задания)
Строка 102: Строка 102:
 
== Практические задания ==
 
== Практические задания ==
  
Домашние задания выкладываются в [https://github.com/hse-ds/iad-deep-learning репозиторий курса]. За каждый день просрочки мягкого дедлайна снимается два балла. После жёсткого дедлайна задания не принимаются.
+
Домашние задания выкладываются в [https://github.com/hse-ds/iad-deep-learning репозиторий курса]. За каждый день просрочки мягкого дедлайна снимается один балл. После жёсткого дедлайна задания не принимаются.
 +
 
 +
''' Домашнее задание 1.''' Введение в PyTorch. Полносвязные нейронные сети.
 +
 
 +
Дата выдачи: 20.09.2022
 +
 
 +
Мягкий дедлайн: 23:59MSK 04.10.2022
 +
 
 +
Жесткий дедлайн: 23:59MSK 10.10.2022
 +
 
 +
[[https://github.com/hse-ds/iad-deep-learning/blob/master/2022/homeworks/hw1/homework-01.ipynb Ноутбук с заданием]]
  
 
== Контрольная работа ==
 
== Контрольная работа ==

Версия 19:06, 26 сентября 2022

О курсе

Курс читается для студентов 3-го курса майнора ИАД в 1-2 модулях.

Проводится с 2015 года.

Лектор — Соколов Евгений Андреевич

Занятия проходят онлайн по четвергам на третьей паре (13:00 - 14:20).

Полезные ссылки

Карточка курса и программа

Репозиторий с материалами: https://github.com/hse-ds/iad-deep-learning

Домашние задание сдаются в Anytask: https://anytask.org/course/??

Канал в telegram для объявлений: https://t.me/hse_iad_22

Чат в telegram (осторожно, риск флуда и отсутствия ответов на содержательные вопросы): https://t.me/+pbt8rRfldsUzZGUy

Таблица с оценками: https://docs.google.com/spreadsheets/d/1VHuG476mULH9QgsXlVsL5CDf6J7BrwlKOVfOMQDXH7g/edit?usp=sharing

Вопросы по курсу можно задавать в телеграм лектору (@esokolov), семинаристу, в чатах групп или в issues на гитхабе.

Семинары

Группа Преподаватель Учебные ассистенты Zoom-конференция Ссылка на чат Инвайт в anytask
ИАД-1 Нарек Алвандян Максим Абрахам Zoom Чат JwwoioZ
ИАД-2 Егор Масликов Ксения Лапшина, Марина Казюлина Zoom Чат ooHht2A
ИАД-3 Антон Семенкин Александр Плахин, Михаил Никифоров Zoom Чат QtGBL8Q
ИАД-4 Елена Кантонистова Блуменау Марк, Червяков Артем Zoom Чат bKWTe7O
ИАД-5 Михаил Гущин Люткин Дмитрий, Матяш Дарья Zoom Чат 4xYt5jF
ИАД-6 Макс Карпов Александр Плахин, Никита Киселев Zoom Чат SUWLRyf
ИАД-7 Гельван Кирилл Смоленчук Иван, Костромина Алина Zoom Чат rSfrcJa
ИАД-9 Александр Бредихин Матяш Дарья, Вероника Яшина Zoom Чат WxGLiNs
ИАД-10 Алексей Ковалёв Максим Гудзикевич Zoom Чат XuqSEAb

Правила выставления оценок

В курсе предусмотрено несколько форм контроля знания:

  • Практические домашние работы на Python
  • Проверочные работы на лекциях
  • Контрольная где-то в середине курса
  • Письменный экзамен

Итоговая оценка вычисляется по формуле:

Округление(0.4 * ДЗ + 0.1 * ПР + 0.2 * КР + 0.3 * Э)

ДЗ — средняя оценка за практические домашние задания

ПР — средняя оценка за проверочные работы

КР — оценка за контрольную работу

Э — оценка за экзамен

Правила сдачи заданий

За каждый день просрочки после мягкого дедлайна снимается 1 балл. После жёсткого дедлайна работы не принимаются. Даже при опоздании на одну секунду. Сдавайте заранее.

Два раза студент может сдать домашнее задание после мягкого дедлайна (но до жёсткого) без штрафов.

При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.

При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.

Лекции

Все лекции лежат на гитхабе.

Лекция 1 (08.09.2022). Введение в глубинное обучение. Полносвязные слои. [Слайды] [Запись лекции]

Лекция 2 (15.09.2022). Метод обратного распространения ошибки. Свёртки и свёрточные слои. [Слайды] [Запись лекции]

Лекция 3 (22.09.2022). Свёртки. Поле восприятия. Параметры свёрток. [Слайды] [Запись лекции]

Семинары

Все семинары тоже лежат на гитхабе.

Семинар 1 (15.09.2022). Pytorch и напоминание numpy. Введение в глубинное обучение. Полносвязные слои. [Тетрадка]

Семинар 2 (22.09.2022). Свёртка изображений. [Тетрадка]

Записи консультаций

Скоро пройдет консультация и сразу затем здесь появится её запись

Практические задания

Домашние задания выкладываются в репозиторий курса. За каждый день просрочки мягкого дедлайна снимается один балл. После жёсткого дедлайна задания не принимаются.

Домашнее задание 1. Введение в PyTorch. Полносвязные нейронные сети.

Дата выдачи: 20.09.2022

Мягкий дедлайн: 23:59MSK 04.10.2022

Жесткий дедлайн: 23:59MSK 10.10.2022

[Ноутбук с заданием]

Контрольная работа

Экзамен

Страницы предыдущих лет

21/22 учебный год

20/21 учебный год