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.

Задание 3. Сверточные нейронные сети для детекции объектов: формулировка, ссылки на данные находятся внутри PDF-файла с формулировкой. Срок сдачи: 20 декабря (вторник), 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
11 ноября 2016 10 Байесовский подход к теории вероятностей. Модели со скрытыми переменными.
18 ноября 2016 11 Вариационный автокодировщик. Стохастический граф вычислений.
25 ноября 2016 12 Генерация текста по картинке. Презентация

Литература

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