Deep Learning (семестр 1, осень 2021): продвинутый поток

22 лекции

Deep Learning (семестр 1, осень 2021): продвинутый поток

Сложность

Пока неизвестно

Длительность

Пока неизвестно

Формат

онлайн

Документ

Пока неизвестно

Стоимость курса
Бесплатно

Подробнее о курсе

Школа глубокого обучения (Deep Learning School) – учебная организация на базе Физтех-школы прикладной математики и информатики Московского физико-технического института. Мы занимаемся разработкой курсов по искусственному интеллекту для школьников и студентов, интересующихся программированием и математикой. Занятия ведут преподаватели, выпускники и студенты ФПМИ МФТИ. Цель этого курса – познакомить слушателей с теорией и практикой глубокого обучения и нейронных сетей в интерактивном формате. В течение курса вам будет предложено несколько практических заданий. Последним заданием является итоговый практический проект. По итогам курса будет выдан сертификат об окончании школы, дающий льготы при поступлении в бакалавриат и магистратуру ФПМИ МФТИ. Форма регистрации на курс (нужно заполнить для получения дипломов) Примерная программа курса Наш сайт: dlschool.org FAQ Наша группа ВК Чат в TG: @dls_fall2021_advanced

Машинное обучение

Автор курса

Stepik

4.6

Оставьте отзыв

Stepik — образовательная платформа и конструктор онлайн-курсов. Мы разрабатываем алгоритмы адаптивного обучения, сотрудничаем с авторами MOOC, помогаем в проведении олимпиад и программ переподготовки. Наша цель — сделать образование открытым и удобным. Stepik — широко известная российская образовательная платформа, основанная в 2013 году. На Stepik зарегистрировано более миллиона пользователей из России и стран СНГ. В настоящее время на Stepik представлены несколько тысяч учебных курсов на самые разные темы.

Программа курса

Организационная информация

- Инструменты курса. Jupyter и Google Colab
- О нас
- Дополнительные материалы для самостоятельного освоения
- Организационный вебинар

Введение в искусственный интеллект

- Лекция, введение в ИИ. Михаил Бурцев

Основы машинного обучения

- Лекция. Введение в машинное обучение. Григорий Лелейтнер
- Семинар. Библиотека sklearn. Григорий Лелейтнер

Домашнее задание. Основы машинного обучения

- Домашнее задание. Основы машинного обучения

Линейные модели

- Лекция. Линейные модели. Григорий Лелейтнер
- Семинар. Линейные модели. Артем Ямалутдинов

Домашнее задание. Линейные модели и методы оптимизации

- Домашнее задание. Линейные модели и методы оптимизации

Композиции алгоритмов и выбор модели

- Семинар. Выбор моделей и цикл разработки. Аркадий Боков
- Допматериал. Метрики машинного обучения. Юрий Яровиков
- Решающие деревья и композиции алгоритмов. Юрий Яровиков

Домашнее задание. Решение ML-задачи и Kaggle

- Домашнее задание. Решение ML-задачи и Kaggle

Введение в нейронные сети

- Лекция. Введение в нейронные сети. Радослав Нейчев
- Семинар. Введение в библиотеку Pytorch. Александр Миленькин

Сверточные нейросети

- Лекция. Сверточные нейросети. Татьяна Гайнцева
- Семинар. Модули в PyTorch и CNN. Артем Ямалутдинов

Домашнее задание. Сверточные и полносвязные нейросети

- Домашнее задание. Сверточные и полносвязные нейросети

Продвинутое обучение нейросетей

- Лекция. Продвинутое обучение нейронных сетей. Радослав Нейчев
- Семинар. Продвинутое обучение нейросетей. Григорий Лелейтнер

Классификация изображений

- Лекция. Классификация изображений. Татьяна Гайнцева
- Семинар. Transfer Learning. Никита Балаганский

Домашнее задание. Классификация изображений

- Домашнее задание: классификация Симпсонов

Семантическая сегментация

- Лекция. Семантическая сегментация. Татьяна Гайнцева

Домашнее задание. Сегментация изображений

- Домашнее задание. Сегментация изображений

Детекция объектов на изображениях

- Лекция. Нейронная детекция объектов. Илья Захаркин
- Семинар. Нейронная детекция объектов. Илья Захаркин

Генеративные модели и автоэнкодеры

- Опционально: Лекция. Автоэнкодеры. Никита Балаганский
- Семинар. Автоэнкодеры. Артём Ямалутдинов

Домашнее задание. Автоэнкодеры

- Домашнее задание. Автоэнкодеры

Генеративно-состязательные модели

- Лекция. Генеративно-состязательные модели. Никита Балаганский
- Семинар. Генеративно-состязательные модели. Артём Ямалутдинов

Домашнее задание. Генеративно-состязательные модели

- Домашнее задание. Генеративно-состязательные модели

Итоговый проект

- Итоговый проект

Цель этого курса - познакомить слушателей с теорией и практикой глубокого обучения и нейронных сетей в интерактивном формате. В течение курса вам будет предложено несколько практических заданий. Последним заданием является итоговый практический проект. По итогам курса будет выдан сертификат об окончании школы, дающий… Ещё