Skip to content

ReddyNick/dlschl

 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 
 
 
 
 
 
 

Repository files navigation

Школа Глубокого Обучения (DLSchool)

Лаборатория нейронных систем и глубокого обучения МФТИ

Что?

“Школа глубокого обучения” – кружок, рассчитанный на старшеклассников, интересующихся программированием и математикой. Занятия будут вести студенты Физтех-школы прикладной математики и информатики Физтеха. Цель курса – познакомить учеников с основными принципами глубокого обучения в интерактивном формате и на примере практических задач.

Когда?

Школа стартовала 28 октября (2017). Планируемый объем курса – 18 занятий (1 занятие в неделю).

Где?

Очные занятия будут приходить по адресу г. Москва, Климентовский переулок, д. 1, стр. 1 (Московский корпус МФТИ) по субботам в 17:00.

Также будет доступно онлайн обучение с записями лекций и проверкой заданий.

На кого расчитаны занятия?

Школа расчитана на учеников старших классов, которые умеют программировать, хорошо знают математику и любят изучать что-то новое. Огромным плюсом будет знание языка Python.

Программа занятий (первая часть курса)

№ занятия Содержание занятия Тип занятия
1 Введение. Искусственный интеллект, нейросети и глубокое обучение лекция
1 Основы языка Python семинар
2 Введение в машинное обучение лекция
2 Библиотеки Numpy и Matplotlib семинар
3 Искусственные нейронные сети. Формальная модель нейрона. Градиентный спуск интерактивная лекция
4 Однослойная нейронная сеть. Обучение многослойных нейронных сетей (DNN). Метод обратного распространения ошибки. Инициализация; переобучение нейросетей, регуляризация интерактивная лекция
5 Как правильно обучать нейросети. Формирование обучающей выборки. Виды функционала потерь. Батчи. Продвинутые методы оптимизации. интерактивная лекция
6 Задача классификации изображений. Проблема выделения признаков, фильтры. Функция свертки. Построение карт признаков лекция
7 Зоопарк сверточных нейросетей. Современные архитекутры свёрточных нейросетей, их плюсы и минусы лекция
8 Задачи детектирования и сегментации интерактивная лекция

Программа занятий (вторая часть курса)

№ занятия Содержание занятия Тип занятия
1 Введение в рекуррентные сети лекция
2 Векторные представления текстов. Word embeddings лекция
2 Работа с текстом. Примеры использования Word2Vec семинар
3 LSTM, GRU (part 1) лекция
3 LSTM, GRU (part 1) семинар
4 LSTM, GRU (part 2). Machine Translation лекция
4 LSTM, GRU (part 2). Machine Translation семинар
5 Автоэнкодеры интерактивная лекция
6 Генеративные состязательные сети. Часть 1 (GANs) интерактивная лекция
7 Генеративные состязательные сети. Часть 2 (GANs) интерактивная лекция
8 Введение в Reinforcement Learning лекция
8 Обучаем своего умного агента-игрока с помощью RL семинар
9 Бонус TBA

Как поступить?

Сейчас проект запускается в пилотном формате. Нам бы очень хотелось принять всех желающих, но в этом году мы сможем проводить семинары и принимать домашние задания у ограниченного количества человек.

Все материалы школы, включая домашние задания будут размещены в открытом доступе.

Cсылка на форму регистрации

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages

  • Jupyter Notebook 100.0%