Порождающие модели (теория и практика, Р.В. Исаченко, В.В. Стрижов)/Группа 674, осень 2020
Материал из MachineLearning.
Программа курса
№ | Дата | Тема | Слайды | Видео |
---|---|---|---|---|
lecture 1 | 02.09 | Logistics. Motivation. Autoregressive models (MADE, WaveNet, PicelCNN). | slides | video |
lecture 2 | 09.09 | Bayesian framework. Latent variable models. EM-algorithm. | slides | video |
lecture 3 | 16.09 | EM-algorithm. VAE. Mean field approximation. | slides | video |
lecture 4 | 23.09 | Flow models (NICE, RealNVP, RevNet, i-RevNet). | slides | video |
lecture 5 | 30.09 | Flow models (Glow, Flow++). Flows in VAE. Autoregressive flows (IAF). | slides | video |
lecture 6 | 07.10 | Autoregressive flows (IAF, MAF, Parallel WaveNet). ELBO surgery. | slides | video |
lecture 7 | 14.10 | VampPrior. Posterior collapse (PixelVAE, VLAE). Decoder weakening. IWAE. | slides | video |
lecture 8 | 21.10 | Vanila GAN. Vanishing gradients, mode collapse. KL vs JSD. DCGAN. Wasserstein distance. | slides | video |
lecture 9 | 28.10 | Wasserstein GAN. Spectral Normalization GAN. f-divergence. GAN evaluation. | slides | [video] |
Домашние задания
№ | Тема | Ссылка | Дедлайн |
---|---|---|---|
homework 1 | Autoregressive models. | link | 28.09 |
homework 2 | Latent variable models. Flows. | link | 12.10 |
homework 3 | Autoregressive flows. Flows in VAE. | link | 26.10 |
homework 4 | GAN. WGAN. | link | 09.11 |
Полезные ссылки
Короткая ссылка на страницу: https://bit.ly/3i3N4G0
Видеолекции: link
Отзывы о курсе: link
Репозиторий курса на github: link