Глубинное обучение (курс лекций)

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
Текущая версия (16:07, 24 сентября 2018) (править) (отменить)
 
(8 промежуточных версий не показаны.)
Строка 1: Строка 1:
-
__NOTOC__
+
#REDIRECT [[Глубинное обучение (курс лекций)/2018]]
-
 
+
-
'''Преподаватели''': [[Участник:Kropotov|Д.А. Кропотов]], [[Участник:Victor Kitov|В.В. Китов]], [[Участник:Tipt0p|Е.М. Лобачёва]], А.А. Осокин и др.
+
-
 
+
-
В осеннем семестре 2017 года занятия по курсу проходят на [[ВМК]] в ауд. 582 с 10-30 до 13-50.
+
-
 
+
-
Вопросы по курсу можно направлять письмом на ''bayesml@gmail.com''. В название письма обязательно добавлять [ВМК ГО17].
+
-
 
+
-
== Объявления ==
+
-
 
+
-
'''22.12.17''': Зачёт по курсу состоится завтра, 23 декабря, в ауд. 682, начало в 13-00. [[Media:DL17_test_questions.pdf|Список вопросов к зачёту.]]
+
-
 
+
-
'''15.12.17''': Внимание! Сегодня занятия по курсу отменяются.
+
-
 
+
-
'''13.12.17''': выложено второе практическое задание по курсу.
+
-
 
+
-
'''03.11.17''': Внимание! Сегодня занятия по курсу отменяются.
+
-
 
+
-
'''05.10.17''': завтра занятия по курсу пройдут в обычное время с 10-30 до 13-50.
+
-
 
+
-
== Система выставления оценок по курсу ==
+
-
Будет объявлена позже.
+
-
 
+
-
== Практические задания ==
+
-
Задания выдаются и принимаются через систему ''anytask.org''. Для получения инвайта просьба писать на почту курса.
+
-
 
+
-
Задание 1. Автоматическое дифференцирование для автокодировщика. Срок сдачи: 8 октября (воскресенье), 23:59.
+
-
 
+
-
Задание 2. Рекуррентные сети. Срок сдачи: 24 декабря (воскресенье), 23:59.
+
-
 
+
-
== Занятия ==
+
-
 
+
-
{| class="standard"
+
-
!Дата !! № занятия !! Занятие !! Материалы
+
-
|-
+
-
| 8 сентября 2017 || align="center"|1 || Введение в курс. Автоматическое дифференцирование. ||
+
-
|-
+
-
| 15 сентября 2017 || align="center"|2 || Методы регуляризации для нейросетей. Стохастическая оптимизация. Введение в pytorch. || [[Media:VKitov-DL-Regularization_in_deep_learning.pdf‎ ‎|Презентация]]
+
-
|-
+
-
| 22 сентября 2017 || align="center"|3 || Свёрточные нейронные сети для задачи классификации изображений || [[Media:Dl17_Osokin_Convnets.pdf|Презентация]]
+
-
|-
+
-
| 29 сентября 2017 || align="center"|4 || Свёрточные нейронные сети в задачах компьютерного зрения || [[Media:Dl17_Osokin_Deepvision.pdf|Презентация]]
+
-
|-
+
-
| 6 октября 2017 || align="center"|5 || Рекуррентные нейронные сети || [https://drive.google.com/open?id=0B7TWwiIrcJstZjdWTG84VVF1eDA Презентация]
+
-
|-
+
-
| 13 октября 2017 || align="center"|6 || Память и внимание в глубинном обучении || [https://drive.google.com/open?id=1y3KHkvr0aWKGHvsrLwvLPXbCEQHt7N_r Презентация]
+
-
|-
+
-
| 20 октября 2017 || align="center"|7 || Вариационный автокодировщик ||
+
-
|-
+
-
| 27&nbsp;октября&nbsp;2017 || align="center"|8 || Перенос стиля изображений || [[Media:VKitov-DL2017-Neural_style_transfer.pdf ‎|Презентация]]<br> [[Media:DL2017-Neural_style_transfer-review_2017.pdf‎‎ ‎|Обзор]]
+
-
|-
+
-
| 10&nbsp;ноября&nbsp;2017 || align="center"|9 || Обучение с подкреплением, алгоритм Q обучения, Deep Q Network (DQN) ||
+
-
|-
+
-
| 17&nbsp;ноября&nbsp;2017 || align="center"|10 || Policy based и actor-critic алгоритмы в обучении с подкреплением ||
+
-
|-
+
-
| 24&nbsp;ноября&nbsp;2017 || align="center"|11 || Генеративно-состязательные сети || [[Media:VKitov-DL2017-Generative_adversarial_learning.pdf‎ ‎|Презентация]]
+
-
|-
+
-
| 1&nbsp;декабря&nbsp;2017 || align="center"|12 || Механизмы внимания в глубинном обучении || [https://docs.google.com/presentation/d/1x7oBI9y-s3x8dKkMx849hxNg8lIPBTv1qFWBbfhuinI/edit#slide=id.p Презентация]
+
-
|-
+
-
| 8&nbsp;ноября&nbsp;2017 || align="center"|13 || Нейронные сети в структурном предсказании. Дифференцирование алгоритмов по входу. ||
+
-
|-
+
-
|}
+
-
 
+
-
== Литература ==
+
-
# Ian Goodfellow, Yoshua Bengio, Aaron Courville. [http://www.deeplearningbook.org/ Deep Learning], MIT Press, 2016.
+
-
 
+
-
== Архив ==
+
-
[[Глубинное обучение (курс лекций)/2016|2016 год]]
+

Текущая версия

  1. REDIRECT Глубинное обучение (курс лекций)/2018
Личные инструменты