Практикум на ЭВМ (317)/2019 (весна)
Материал из MachineLearning.
(→Материалы занятий) |
(→Материалы занятий) |
||
| Строка 125: | Строка 125: | ||
| [http://www.machinelearning.ru/wiki/images/1/18/Mmta2018-machine-translation.pdf слайды 1] | | [http://www.machinelearning.ru/wiki/images/1/18/Mmta2018-machine-translation.pdf слайды 1] | ||
[https://drive.google.com/file/d/1y3KHkvr0aWKGHvsrLwvLPXbCEQHt7N_r/view слайды 2] | [https://drive.google.com/file/d/1y3KHkvr0aWKGHvsrLwvLPXbCEQHt7N_r/view слайды 2] | ||
| - | | <!-- Конец занятия --> | + | | |
| + | [https://github.com/mmp-practicum-team/mmp_practicum_spring_2019/blob/master/Tasks/03.rnn/lab_03.ipynb 3 задание: RNN & attention] | ||
| + | <!-- Конец занятия --> | ||
|} | |} | ||
Версия 15:47, 14 апреля 2019
- Обязательный курс для студентов каф. ММП 3 курса, 6 семестр
- Зачёт с оценкой
- Преподаватели: Д.А. Кропотов, 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: ссылка на гугл-форму
Репозиторий со всеми материалами: ссылка
Содержание |
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
| Дата | Номер | Тема | Материалы | Д/З |
|---|---|---|---|---|
| 11 февраля | Занятие 1 | Автоматическое дифференцирование.
Решение задач на backpropagation. | решение задач | |
| 18 февраля | Занятие 2 | Методы оптимизации для нейросетей.
Регуляризация в нейросетях. Инициализация для нейросетей. | видеолеция про стохастическую оптимизацию
обзор различных методов оптимизации нейросетей | |
| 25 февраля | Занятие 3 | Библиотека pytorch.
Google Colab. | ||
| 4 марта | Занятие 4 | Свёрточные нейронные сети.
Задача сегментации изображений. | ||
| 11 марта | Занятие 5 | Матрично-векторное дифференцирование. | Конспект | 2 задание: сегментация изображений |
| 18 марта | Занятие 6 |
Языковое моделирование. Рекуррентные нейронные сети. | слайды | |
| 25 марта | Занятие 7 |
Векторные представления слов. | слайды | |
| 1 апреля | Занятие 8 |
Задача машинного перевода. Механизм внимания. Статья Attention is all you need. | слайды 1 |
