Практикум на ЭВМ (317)/2019 (весна)
Материал из MachineLearning.
(→Материалы занятий) |
(→Правила сдачи практикума) |
||
| Строка 12: | Строка 12: | ||
= Правила сдачи практикума = | = Правила сдачи практикума = | ||
| - | 1. В рамках семестра предполагается | + | 1. В рамках семестра предполагается четыре практических заданий. Все задания сдаются в систему anytask, инвайт к курсу можно получить у преподавателя. |
| - | 2. За | + | 2. За первые три практических задания можно получить до 10-ти баллов, за последнее можно получить 15 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. | 3. Предусмотрены бонусные активности: бонусные задачи, за которые можно получить дополнительные баллы. | ||
| Строка 20: | Строка 20: | ||
4. Критерии итоговой оценки: | 4. Критерии итоговой оценки: | ||
| - | * отлично — | + | * отлично — 36 баллов, 4 практических задания сданы на оценку > 0 |
| - | * хорошо — | + | * хорошо — 27 баллов, 3 практических задания сданы на оценку > 0 |
| - | * удовлетворительно — | + | * удовлетворительно — 18 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. | 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. | ||
Версия 16:02, 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 четыре практических заданий. Все задания сдаются в систему anytask, инвайт к курсу можно получить у преподавателя.
2. За первые три практических задания можно получить до 10-ти баллов, за последнее можно получить 15 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 — 36 баллов, 4 практических задания сданы на оценку > 0
- хорошо — 27 баллов, 3 практических задания сданы на оценку > 0
- удовлетворительно — 18 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 |
