Глубинное обучение (курс лекций)

Материал из MachineLearning.

Перейти к: навигация, поиск


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 продлён до 9 ноября, 23:59.

Задание 2. Рекуррентные нейронные сети: формулировка, ноутбук с генерацией, ноутбук с классификацией, данные. Срок сдачи: 27 ноября (воскресенье), 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
21 октября 2016 8 Примеры применения рекуррентных нейронных сетей. Регуляризация.
28 октября 2016 9 Автокодировщики. Презентация

Литература

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