Глубинное обучение (курс лекций)/2017

Материал из MachineLearning.

Версия от 09:18, 17 сентября 2018; Kropotov (Обсуждение | вклад)
(разн.) ← Предыдущая | Текущая версия (разн.) | Следующая → (разн.)
Перейти к: навигация, поиск


Преподаватели: Д.А. Кропотов, В.В. Китов, Е.М. Лобачёва, А.А. Осокин и др.

В осеннем семестре 2017 года занятия по курсу проходят на ВМК в ауд. 582 с 10-30 до 13-50.

Вопросы по курсу можно направлять письмом на bayesml@gmail.com. В название письма обязательно добавлять [ВМК ГО17].

Объявления

25.12.17: Срок сдачи второго практического задания продлён до пятницы, 29 декабря, 23:59.

23.12.17: Пересдача зачёта по курсу состоится в пятницу, 29 декабря, в ауд. 523, начало в 11-00.

22.12.17: Зачёт по курсу состоится завтра, 23 декабря, в ауд. 682, начало в 13-00. Список вопросов к зачёту.

15.12.17: Внимание! Сегодня занятия по курсу отменяются.

13.12.17: выложено второе практическое задание по курсу.

03.11.17: Внимание! Сегодня занятия по курсу отменяются.

05.10.17: завтра занятия по курсу пройдут в обычное время с 10-30 до 13-50.

Экзамен

Экзамен состоится 14 января в ауд. 523, начало в 12-00. На экзамене при подготовке билета разрешается пользоваться любыми материалами. При непосредственном ответе ничем пользоваться нельзя.

Список вопросов к экзамену

Система выставления оценок по курсу

Оценка за курс вычисляется по правилу 0.5*(оценка за экзамен) + 0.25*(оценка за задание 1) + 0.25*(оценка за задание 2). Округление проводится к ближайшему целому. Для получения оценок «отлично» и «хорошо» необходимо сдать оба практических задания. Для получения оценки «удовлетворительно» необходимо сдать одно практическое задание.

Практические задания

Задания выдаются и принимаются через систему anytask.org. Для получения инвайта просьба писать на почту курса.

Задание 1. Автоматическое дифференцирование для автокодировщика. Срок сдачи: 8 октября (воскресенье), 23:59.

Задание 2. Рекуррентные сети. Срок сдачи: 29 декабря (пятница), 23:59.

Занятия

Дата № занятия Занятие Материалы
8 сентября 2017 1 Введение в курс. Автоматическое дифференцирование.
15 сентября 2017 2 Методы регуляризации для нейросетей. Стохастическая оптимизация. Введение в pytorch. Презентация
22 сентября 2017 3 Свёрточные нейронные сети для задачи классификации изображений Презентация
29 сентября 2017 4 Свёрточные нейронные сети в задачах компьютерного зрения Презентация
6 октября 2017 5 Рекуррентные нейронные сети Презентация
13 октября 2017 6 Память и внимание в глубинном обучении Презентация
20 октября 2017 7 Вариационный автокодировщик
27 октября 2017 8 Перенос стиля изображений ‎Презентация
(обновлена 11.01.2018)
10 ноября 2017 9 Обучение с подкреплением, алгоритм Q обучения, Deep Q Network (DQN)
17 ноября 2017 10 Policy based и actor-critic алгоритмы в обучении с подкреплением
24 ноября 2017 11 Генеративно-состязательные сети Презентация
1 декабря 2017 12 Механизмы внимания в глубинном обучении Презентация
8 декабря 2017 13 Нейронные сети в структурном предсказании. Дифференцирование алгоритмов по входу.

Литература

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

Архив

2016 год

Личные инструменты