Просмотр

Материал из MachineLearning.

У вас нет прав на выполнение этой операции по следующим причинам:

• Запрошенное действие могут выполнять только участники из групп emailconfirmed, Администраторы.
• Вы должны подтвердить ваш адрес электронной почты перед правкой страниц. Пожалуйста, введите и подтвердите ваш адрес эл. почты на странице настроек.

Вы можете просмотреть и скопировать исходный текст этой страницы:

* Обязательный курс для студентов каф. [[ММП]] 3 курса, 6 семестр * Зачёт с оценкой * Преподаватели: [[Участник:Kropotov|Д.А. Кропотов]], [[Участник:Arti_lehtonen| Артём Попов]], Виктор Януш, Павел Мазаев * Занятия проходят в ауд. 606 по понедельникам, начало в 16 20. Первое занятие 11 февраля. Анонимные отзывы по курсу можно оставлять здесь: [https://goo.gl/forms/im2Y51K0yVTgWQEQ2 ссылка на гугл-форму] Репозиторий со всеми материалами: [https://github.com/mmp-practicum-team/mmp_practicum_spring_2019 ссылка] = Объявления = Пока нет... = Правила сдачи практикума = 1. В рамках семестра предполагается пять практических заданий. Все задания сдаются в систему anytask, инвайт к курсу можно получить у преподавателя. 2. За каждое практическое задание можно получить до 10-ти баллов. Задание представляет собой jupyter notebook с некоторыми пропущенными шагами, которые необходимо выполнить. Формат сдачи задания — выполненный jupyter notebook. Срок выполнения каждого задания — 10 дней. За каждый день просрочки назначается штраф в 1 балл. 3. Предусмотрены бонусные активности: бонусные задачи, за которые можно получить дополнительные баллы. 4. Критерии итоговой оценки: * отлично — 40 баллов, 4 практических заданий сданы на оценку > 0 * хорошо — 30 баллов, 3 практических задания сданы на оценку > 0 * удовлетворительно — 20 баллов, 2 практических задания сданы на оценку > 0 5. Задания выполняются самостоятельно (если не оговорено обратное). Если задание выполнялось сообща, или использовались какие-либо сторонние коды и материалы, то об этом должно быть написано в отчете. В противном случае «похожие» решения считаются плагиатом и все задействованные студенты (в том числе те, у кого списали) будут сурово наказаны. = Материалы занятий = {|class = "standard" ! Дата !! Номер !! Тема !! Материалы !! Д/З |- <!-- Новое занятие --> | 11 февраля | Занятие 1 | Автоматическое дифференцирование. Решение задач на backpropagation. | [https://github.com/mmp-practicum-team/mmp_practicum_spring_2019/blob/master/01.Backprop/tasks.pdf решение задач] | <!-- Конец занятия --> |- <!-- Новое занятие --> | 18 февраля | Занятие 2 | Методы оптимизации для нейросетей. Регуляризация в нейросетях. Инициализация для нейросетей. | [https://www.youtube.com/watch?v=djh4hBxTZRA&list=PLEqoHzpnmTfBSyGmE4nBlhxxi28dCZwWN&index=5&t=109s видеолеция про стохастическую оптимизацию] [http://ruder.io/optimizing-gradient-descent/ обзор различных методов оптимизации нейросетей] [http://jmlr.org/papers/volume15/srivastava14a/srivastava14a.pdf статья Dropout] [https://arxiv.org/abs/1502.03167 статья BatchNormalization] [https://kevinzakka.github.io/2016/09/14/batch_normalization/ градиенты для BatchNormalization] [http://proceedings.mlr.press/v9/glorot10a/glorot10a.pdf статья про Glorot инициализацию] | [https://github.com/mmp-practicum-team/mmp_practicum_spring_2019/blob/master/Tasks/01.nn_numpy/lab_01.ipynb 1 задание: Обучение полносвязной нейросети] <!-- Конец занятия --> |- <!-- Новое занятие --> | 25 февраля | Занятие 3 | Библиотека pytorch. Google Colab. | [https://github.com/mmp-practicum-team/mmp_practicum_spring_2019/blob/master/03.Pytorch/pytorch_bases.ipynb основы pytorch] [https://github.com/mmp-practicum-team/mmp_practicum_spring_2019/blob/master/03.Pytorch/cifar10_tutorial.ipynb обучение нейросетей в pytorch] [https://github.com/mmp-practicum-team/mmp_practicum_spring_2019/blob/master/03.Pytorch/colab_notebook.ipynb google colab] [https://medium.freecodecamp.org/how-to-transfer-large-files-to-google-colab-and-remote-jupyter-notebooks-26ca252892fa загрузка данных в colab с google drive] | <!-- Конец занятия --> |- <!-- Новое занятие --> | 4 марта | Занятие 4 | Свёрточные нейронные сети. Задача сегментации изображений. | [https://github.com/mmp-practicum-team/mmp_practicum_spring_2019/blob/master/04.CNN/CNN.pdf слайды] | <!-- Конец занятия --> |- <!-- Новое занятие --> | 11 марта | Занятие 5 | Матрично-векторное дифференцирование. | [[Media:MOMO18_Seminar1.pdf| Конспект]] | [https://github.com/mmp-practicum-team/mmp_practicum_spring_2019/blob/master/Tasks/02.segmentation/lab_02.ipynb 2 задание: сегментация изображений] [https://drive.google.com/file/d/1rkvlvCARQPl9hR6B0q6SL8F8ZdyXA1H6/view?usp=sharing ссылка на данные] <!-- Конец занятия --> |} = Страницы прошлых лет = [[ Практикум на ЭВМ (317)/2018 (осень) | 2018-2019 (осень) ]] [[ Практикум на ЭВМ (317)/2017-2018 | 2017-2018 (осень) ]], [[Практикум на ЭВМ (317)/2018 (весна) | 2017-2018 (весна) ]] [[ Практикум на ЭВМ (317)/2016-2017 | 2016-2017 ]] [[ Практикум на ЭВМ (317)/2015-2016 | 2015-2016 ]] [[ Практикум на ЭВМ (317)/2014-2015 | 2014-2015 ]] [[ Практикум на ЭВМ (317)/2013-2014 | 2013-2014 ]] [[ Практикум на ЭВМ (317)/2012-2013 | 2012-2013 ]] [[ Практикум на ЭВМ (317)/2011-2012 | 2011-2012 ]] [[Категория:Кафедра Математические методы прогнозирования ВМиК МГУ]] [[Категория:Учебные практикумы]]

Возврат к странице Практикум на ЭВМ (317)/2019 (весна).