Глубинное обучение (курс лекций)

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Расписание)
(+ задание 1)
Строка 1: Строка 1:
 +
__NOTOC__
 +
Описание
Описание
Строка 8: Строка 10:
== Система выставления оценок по курсу ==
== Система выставления оценок по курсу ==
 +
В рамках курса предполагается несколько практических заданий и экзамен. Каждое задание оценивается из 5-ти баллов. За просрочку при сдаче задания начисляется штраф из расчёта 0.1 балла в день, но суммарно не более 3-х баллов. В итоговой оценке 70% составляют баллы за практические задания и 30% — оценка за экзамен. Для получения финального результата (0, 3, 4, 5) итоговая оценка по курсу округляется в большую сторону.
 +
 +
== Практические задания ==
 +
 +
Задание 1. Автоматическое дифференцирование для автокодировщика ([[Media:Dl16_assignment1.pdf|формулировка]], [[Media:Dl16_assignment1_codes.zip|коды]]). Срок сдачи — '''6 ноября, 23:59'''.
== Расписание ==
== Расписание ==

Версия 05:16, 21 октября 2016


Описание

Преподаватели: Д.А. Кропотов, В.В. Китов, Д.П. Ветров, Е.М. Лобачёва, А. В. Артёмов.

По всем вопросам, связанным с курсом, просьба писать на bayesml@gmail.com. В название письма обязательно добавлять [ВМК ГО16].

В осеннем семестре 2016 года занятия по курсу проходят на ВМК в ауд. 582 с 10-30 до 13-50.

Система выставления оценок по курсу

В рамках курса предполагается несколько практических заданий и экзамен. Каждое задание оценивается из 5-ти баллов. За просрочку при сдаче задания начисляется штраф из расчёта 0.1 балла в день, но суммарно не более 3-х баллов. В итоговой оценке 70% составляют баллы за практические задания и 30% — оценка за экзамен. Для получения финального результата (0, 3, 4, 5) итоговая оценка по курсу округляется в большую сторону.

Практические задания

Задание 1. Автоматическое дифференцирование для автокодировщика (формулировка, коды). Срок сдачи — 6 ноября, 23:59.

Расписание

Дата № занятия Занятие Материалы
2 сентября 2016 1 Введение в курс. Стохастическая оптимизация. Презентация
9 сентября 2016 2 Сети прямого распространения. Автоматическое дифференцирование.
16 сентября 2016 3 Сверточные нейронные сети. Презентация
23 сентября 2016 4 Регуляризация нейронных сетей. Презентация
30 сентября 2016 5 Нейронные сети для компьютерного зрения. Локализация, детектирование и распознавание объектов. Презентация
7 октября 2016 6 Визуализация слоев. Neural Style. Презентация
Предобработка текстов. Презентация
14 октября 2016 7 Рекуррентные нейронные сети. Проблема затухающих и взрывающихся градиентов. Презентация

Литература

  1. Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning, MIT Press, 2016.
Личные инструменты