Практикум на ЭВМ (317)/2019 (весна)
Материал из MachineLearning.
(Новая: * Обязательный курс для студентов каф. ММП 3 курса, 6 семестр * Зачёт с оценкой * Преподаватели: [[Учас...) |
(→Материалы занятий) |
||
(15 промежуточных версий не показаны.) | |||
Строка 1: | Строка 1: | ||
* Обязательный курс для студентов каф. [[ММП]] 3 курса, 6 семестр | * Обязательный курс для студентов каф. [[ММП]] 3 курса, 6 семестр | ||
* Зачёт с оценкой | * Зачёт с оценкой | ||
- | * Преподаватели: [[Участник:Kropotov|Д.А. Кропотов]], [[Участник:Arti_lehtonen| Артём Попов]], Виктор Януш | + | * Преподаватели: [[Участник:Kropotov|Д.А. Кропотов]], [[Участник:Arti_lehtonen| Артём Попов]], Виктор Януш, Павел Мазаев |
- | * Занятия проходят в ауд. | + | * Занятия проходят в ауд. 606 по понедельникам, начало в 16 20. Первое занятие 11 февраля. |
Анонимные отзывы по курсу можно оставлять здесь: [https://goo.gl/forms/im2Y51K0yVTgWQEQ2 ссылка на гугл-форму] | Анонимные отзывы по курсу можно оставлять здесь: [https://goo.gl/forms/im2Y51K0yVTgWQEQ2 ссылка на гугл-форму] | ||
Строка 14: | Строка 14: | ||
1. В рамках семестра предполагается пять практических заданий. Все задания сдаются в систему anytask, инвайт к курсу можно получить у преподавателя. | 1. В рамках семестра предполагается пять практических заданий. Все задания сдаются в систему anytask, инвайт к курсу можно получить у преподавателя. | ||
- | 2. За каждое практическое задание можно получить до 10-ти баллов. Задание представляет собой jupyter notebook с некоторыми пропущенными шагами, которые необходимо выполнить. Формат сдачи задания — выполненный jupyter notebook. Срок выполнения каждого задания — | + | 2. За каждое практическое задание можно получить до 10-ти баллов. Задание представляет собой jupyter notebook с некоторыми пропущенными шагами, которые необходимо выполнить. Формат сдачи задания — выполненный jupyter notebook. Срок выполнения каждого задания — 10 дней. За каждый день просрочки назначается штраф в 1 балл. |
3. Предусмотрены бонусные активности: бонусные задачи, за которые можно получить дополнительные баллы. | 3. Предусмотрены бонусные активности: бонусные задачи, за которые можно получить дополнительные баллы. | ||
Строка 32: | Строка 32: | ||
! Дата !! Номер !! Тема !! Материалы !! Д/З | ! Дата !! Номер !! Тема !! Материалы !! Д/З | ||
|- <!-- Новое занятие --> | |- <!-- Новое занятие --> | ||
+ | | 11 февраля | ||
+ | | Занятие 1 | ||
+ | | Автоматическое дифференцирование. | ||
+ | Решение задач на backpropagation. | ||
+ | | [https://github.com/mmp-practicum-team/mmp_practicum_spring_2019/blob/master/01.Backprop/tasks.pdf решение задач] | ||
| | | | ||
+ | <!-- Конец занятия --> | ||
+ | |- <!-- Новое занятие --> | ||
+ | | 18 февраля | ||
+ | | Занятие 2 | ||
+ | | Методы оптимизации для нейросетей. | ||
+ | Регуляризация в нейросетях. | ||
+ | |||
+ | Инициализация для нейросетей. | ||
+ | | [https://www.youtube.com/watch?v=djh4hBxTZRA&list=PLEqoHzpnmTfBSyGmE4nBlhxxi28dCZwWN&index=5&t=109s видеолеция про стохастическую оптимизацию] | ||
+ | |||
+ | [http://ruder.io/optimizing-gradient-descent/ обзор различных методов оптимизации нейросетей] | ||
+ | |||
+ | [http://jmlr.org/papers/volume15/srivastava14a/srivastava14a.pdf статья Dropout] | ||
+ | |||
+ | [https://arxiv.org/abs/1502.03167 статья BatchNormalization] | ||
+ | |||
+ | [https://kevinzakka.github.io/2016/09/14/batch_normalization/ градиенты для BatchNormalization] | ||
+ | |||
+ | [http://proceedings.mlr.press/v9/glorot10a/glorot10a.pdf статья про Glorot инициализацию] | ||
| | | | ||
+ | [https://github.com/mmp-practicum-team/mmp_practicum_spring_2019/blob/master/Tasks/01.nn_numpy/lab_01.ipynb 1 задание: обучение полносвязной нейросети] | ||
+ | <!-- Конец занятия --> | ||
+ | |- <!-- Новое занятие --> | ||
+ | | 25 февраля | ||
+ | | Занятие 3 | ||
+ | | Библиотека pytorch. | ||
+ | |||
+ | Google Colab. | ||
| | | | ||
+ | [https://github.com/mmp-practicum-team/mmp_practicum_spring_2019/blob/master/03.Pytorch/pytorch_bases.ipynb основы pytorch] | ||
+ | |||
+ | [https://github.com/mmp-practicum-team/mmp_practicum_spring_2019/blob/master/03.Pytorch/cifar10_tutorial.ipynb обучение нейросетей в pytorch] | ||
+ | |||
+ | [https://github.com/mmp-practicum-team/mmp_practicum_spring_2019/blob/master/03.Pytorch/colab_notebook.ipynb google colab] | ||
+ | |||
+ | [https://medium.freecodecamp.org/how-to-transfer-large-files-to-google-colab-and-remote-jupyter-notebooks-26ca252892fa загрузка данных в colab с google drive] | ||
| | | | ||
+ | <!-- Конец занятия --> | ||
+ | |- <!-- Новое занятие --> | ||
+ | | 4 марта | ||
+ | | Занятие 4 | ||
+ | | Свёрточные нейронные сети. | ||
+ | |||
+ | Задача сегментации изображений. | ||
+ | | | ||
+ | [https://github.com/mmp-practicum-team/mmp_practicum_spring_2019/blob/master/04.CNN/CNN.pdf слайды] | ||
+ | |||
| | | | ||
<!-- Конец занятия --> | <!-- Конец занятия --> | ||
- | | | + | |- <!-- Новое занятие --> |
+ | | 11 марта | ||
+ | | Занятие 5 | ||
+ | | Матрично-векторное дифференцирование. | ||
+ | | [[Media:MOMO18_Seminar1.pdf| Конспект]] | ||
+ | | [https://github.com/mmp-practicum-team/mmp_practicum_spring_2019/blob/master/Tasks/02.segmentation/lab_02.ipynb 2 задание: сегментация изображений] | ||
+ | [https://drive.google.com/file/d/1rkvlvCARQPl9hR6B0q6SL8F8ZdyXA1H6/view?usp=sharing ссылка на данные] | ||
+ | <!-- Конец занятия --> | ||
+ | |- <!-- Новое занятие --> | ||
+ | | 18 марта | ||
+ | | Занятие 6 | ||
+ | | | ||
+ | Языковое моделирование. | ||
+ | |||
+ | Рекуррентные нейронные сети. | ||
+ | | [https://github.com/mmp-practicum-team/mmp_practicum_spring_2019/blob/master/06.LM/lm_rnn.pdf слайды] | ||
+ | | <!-- Конец занятия --> | ||
+ | |} | ||
= Страницы прошлых лет = | = Страницы прошлых лет = |
Версия 20:43, 20 марта 2019
- Обязательный курс для студентов каф. ММП 3 курса, 6 семестр
- Зачёт с оценкой
- Преподаватели: Д.А. Кропотов, Артём Попов, Виктор Януш, Павел Мазаев
- Занятия проходят в ауд. 606 по понедельникам, начало в 16 20. Первое занятие 11 февраля.
Анонимные отзывы по курсу можно оставлять здесь: ссылка на гугл-форму
Репозиторий со всеми материалами: ссылка
Содержание |
Объявления
Пока нет...
Правила сдачи практикума
1. В рамках семестра предполагается пять практических заданий. Все задания сдаются в систему anytask, инвайт к курсу можно получить у преподавателя.
2. За каждое практическое задание можно получить до 10-ти баллов. Задание представляет собой jupyter notebook с некоторыми пропущенными шагами, которые необходимо выполнить. Формат сдачи задания — выполненный jupyter notebook. Срок выполнения каждого задания — 10 дней. За каждый день просрочки назначается штраф в 1 балл.
3. Предусмотрены бонусные активности: бонусные задачи, за которые можно получить дополнительные баллы.
4. Критерии итоговой оценки:
- отлично — 40 баллов, 4 практических заданий сданы на оценку > 0
- хорошо — 30 баллов, 3 практических задания сданы на оценку > 0
- удовлетворительно — 20 баллов, 2 практических задания сданы на оценку > 0
5. Задания выполняются самостоятельно (если не оговорено обратное). Если задание выполнялось сообща, или использовались какие-либо сторонние коды и материалы, то об этом должно быть написано в отчете. В противном случае «похожие» решения считаются плагиатом и все задействованные студенты (в том числе те, у кого списали) будут сурово наказаны.
Материалы занятий
Дата | Номер | Тема | Материалы | Д/З |
---|---|---|---|---|
11 февраля | Занятие 1 | Автоматическое дифференцирование.
Решение задач на backpropagation. | решение задач | |
18 февраля | Занятие 2 | Методы оптимизации для нейросетей.
Регуляризация в нейросетях. Инициализация для нейросетей. | видеолеция про стохастическую оптимизацию
обзор различных методов оптимизации нейросетей | |
25 февраля | Занятие 3 | Библиотека pytorch.
Google Colab. | ||
4 марта | Занятие 4 | Свёрточные нейронные сети.
Задача сегментации изображений. | ||
11 марта | Занятие 5 | Матрично-векторное дифференцирование. | Конспект | 2 задание: сегментация изображений |
18 марта | Занятие 6 |
Языковое моделирование. Рекуррентные нейронные сети. | слайды |