Нейробайесовские методы машинного обучения (курс лекций) / 2018
Материал из MachineLearning.
(Различия между версиями)
(→Расписание занятий) |
|||
| Строка 30: | Строка 30: | ||
|Семинар «Применение SVI на примере масштабируемых тематических моделей» || [https://drive.google.com/open?id=1d9i6gtjh6O9SWWrpspsGyHh2l_l5nPps Конспект 1] [https://drive.google.com/open?id=19liA5y-ohzJVGGcTPpn20VNlwIeLulGl Конспект 2] | |Семинар «Применение SVI на примере масштабируемых тематических моделей» || [https://drive.google.com/open?id=1d9i6gtjh6O9SWWrpspsGyHh2l_l5nPps Конспект 1] [https://drive.google.com/open?id=19liA5y-ohzJVGGcTPpn20VNlwIeLulGl Конспект 2] | ||
|- | |- | ||
| - | | rowspan=2|2 марта 2018 || rowspan=2 align="center"| 3 || Лекция « Дважды стохастический вариационный вывод» || - | + | | rowspan=2|2 марта 2018 || rowspan=2 align="center"| 3 || Лекция « Дважды стохастический вариационный вывод» || [https://arxiv.org/abs/1401.0118 Статья] [https://drive.google.com/open?id=1XCXER3BBmZEfonck3GtgI51UrYLylpEd Конспект 1] [https://drive.google.com/open?id=1B9FyafFZSQQUs7vmXzjWqkSGX-riydhl Конспект 2] |
|- | |- | ||
| - | |Семинар «Дисперсия стохастических градиентов в примерах» || | + | |Семинар «Дисперсия стохастических градиентов в примерах» || [https://arxiv.org/abs/1411.2581 Статья] [https://drive.google.com/open?id=1jPSrlZgc_qPS9gag4AFXSKdaOYROrKG9 Конспект] |
|- | |- | ||
| - | | rowspan=2|7 марта 2018 || rowspan=2 align="center"| 4 || Лекция «Вариационный автокодировщик, нормализующие потоки для вариационного вывода» || | + | | rowspan=2|7 марта 2018 || rowspan=2 align="center"| 4 || Лекция «Вариационный автокодировщик, нормализующие потоки для вариационного вывода» || [https://arxiv.org/abs/1312.6114 Статья] [https://drive.google.com/open?id=1YURVywJtizqD2lUSGRA2qfX_4OempOlt Конспект 1] [https://drive.google.com/open?id=1jcixsZ9tDE50Fl1dCfEvv7JKyrDtkNH8 Конспект 2] |
|- | |- | ||
| - | |Семинар «Репараметризация, оценки с выборкой по значимости (IWAE)» || | + | |Семинар «Репараметризация, оценки с выборкой по значимости (IWAE)» || [https://arxiv.org/abs/1509.00519 Статья] [https://drive.google.com/open?id=1xA7MgD7GcZ1lpIQBPX7ppoap7IJSAUZQ Конспект] |
|- | |- | ||
| rowspan=2|16 марта 2018 || rowspan=2 align="center"| 5 || Лекция «Оценка отношения плотностей распределений, применение на примере \alpha-GAN» || - | | rowspan=2|16 марта 2018 || rowspan=2 align="center"| 5 || Лекция «Оценка отношения плотностей распределений, применение на примере \alpha-GAN» || - | ||
Версия 12:40, 7 марта 2018
Курс посвящен применению байесовских методов в глубинном обучении. Более развернутое описание курса появится в скором времени.
Лектор: Д.П. Ветров,
Семинаристы: Екатерина Лобачева, Кирилл Струминский, Алексей Умнов, Дмитрий Молчанов, Артём Соболев, Дмитрий Подоприхин.
По всем вопросам, связанным с курсом, просьба писать на bayesml@gmail.com, в название письма обязательно добавлять [ВМК НБМ18].
Новости
01.03.18: Внимание! В ближайшую среду, 7 марта, будет проведено дополнительное занятие по курсу в ауд. 682. Начало в 14-35 (лекция) и в 16-20 (семинар).
Практические задания
Приём заданий по курсу осуществляется в системе anytask.org. По поводу приглашений в систему можно обратиться на почту курса.
Расписание занятий
В 2018 году курс читается на факультете ВМиК МГУ по пятницам в ауд. 526б, начало в 14-35 (лекция) и 16-20 (семинар).
| Дата | № занятия | Занятие | Материалы |
|---|---|---|---|
| 9 февраля 2018 | 1 | Лекция «Вводное занятие по библиотеке PyTorch» | - |
| 16 февраля 2018 | 2 | Лекция «Стохастический вариационный вывод» | Статья Конспект 1 Конспект 2 |
| Семинар «Применение SVI на примере масштабируемых тематических моделей» | Конспект 1 Конспект 2 | ||
| 2 марта 2018 | 3 | Лекция « Дважды стохастический вариационный вывод» | Статья Конспект 1 Конспект 2 |
| Семинар «Дисперсия стохастических градиентов в примерах» | Статья Конспект | ||
| 7 марта 2018 | 4 | Лекция «Вариационный автокодировщик, нормализующие потоки для вариационного вывода» | Статья Конспект 1 Конспект 2 |
| Семинар «Репараметризация, оценки с выборкой по значимости (IWAE)» | Статья Конспект | ||
| 16 марта 2018 | 5 | Лекция «Оценка отношения плотностей распределений, применение на примере \alpha-GAN» | - |
| Семинар «f-GAN» | - | ||
| 23 марта 2018 | 6 | Лекция «Байесовские нейронные сети» | - |
| Семинар «Локальная репараметризация» | - | ||
| 30 марта 2018 | 7 | Лекция «Байесовское сжатие нейронных сетей» | - |
| Семинар «Тернарные сети, структурное байесовское разреживание» | - | ||
| 6 апреля 2018 | 8 | Лекция «Методы снижения дисперсии в моделях со скрытыми переменными» | - |
| Семинар «Обобщенная репараметризация, REBAR, RELAX» | - |
Система выставления оценок по курсу
В рамках курса предполагается два практических задания. Каждое задание оценивается из 10-ти баллов.
- При наличии несданных заданий максимальная возможная оценка за курс — это «удовлетворительно».
- Необходимым условием получения положительной оценки за курс является сдача не менее одного практического задания и сдача устного экзамена не менее чем на оценку «удовлетворительно».
- Итоговый балл за курс вычисляется по формуле 0.25*<Оценка_за_задание_1> + 0.25*<Оценка_за_задание_2> + 0.5*<Оценка_за_экзамен> с округлением в большую сторону.
- Штраф за просрочку сдачи заданий начисляется из расчета 0.3 балла в день, но не более 6 баллов.
Литература
- Murphy K.P. Machine Learning: A Probabilistic Perspective. The MIT Press, 2012.
- Bishop C.M. Pattern Recognition and Machine Learning. Springer, 2006.
- Mackay D.J.C. Information Theory, Inference, and Learning Algorithms. Cambridge University Press, 2003.
- "Ian Goodfellow and Yoshua Bengio and Aaron Courville" Deep Learning. MIT Press, 2016.
