Лекция 1: Введение |
20 февраля, 8:40 Мск |
О чем курс, что такое machine learning и deep learning, основные домены - computer vision, NLP, speech recognition, reinforcement learning. Ресурсы. | Видео Слайды |
---|---|---|---|
Семинар 1: Python, numpy, notebooks |
Краткий обзор инструментария, необходиомого для курса - Python, Jupyter, numpy. Google Colab как среда выполнения Jupyter Notebooks в облаке. | Видео Материалы | |
Лекция 2: Элементы машинного обучения |
27 февраля, 8:40 Мск |
Обзор задачи supervised learning. K-nearest neighbor как пример простого алгоритма обучения. Тренировочная и тестовые выборки. Гиперпараметры, их подбор с помощью validation set и cross-validation. Общая последовательность действий при тренировке и валидации моделей (Machine Learning Flow). | Видео Слайды |
Семинар 2: Установка окружения для заданий |
Установка окружения, необходимого для решения заданий. Некоторые детали KNN. | Видео | |
Задание 1, Часть 1: K-nearest neighbor |
Знакомство с Python и numpy, реализация K-nearest neighbor classifier руками. Выбор гиперпараметра с помощью cross-validation. | Задание | |
Лекция 3: Нейронные сети |
6 марта, 8:40 Мск |
Линейный классификатор - нейронная сеть с одним слоем. Softmax, функция потерь cross-entropy. Тренировка с помощью стохастического градиентного спуска, регуляризация весов. Многослойные нейронные сети, fully-connected layers. Алгоритм backpropagation. | Видео Слайды |
Семинар 3: Вычисление градиентов |
Детальный разбор вычисления градиентов softmax и cross-entropy. | Видео | |
Задание 1, Часть 2: Линейный классификатор |
Реализация линейного классификатора, подсчет градиентов и тренировка с помощью SGD своими руками. | Задание | |
Лекция 4: PyTorch и подробности |
13 марта, 8:40 Мск |
Backpropagation с матрицами. Введение в PyTorch. Инициализация весов. Улучшенные алгоритмы градиентного спуска (Adam, RMSProp, итд). | Видео Слайды |
Задание 2, Часть 1: Нейронные сети |
Реализация своей собственной многослойной нейронной сети и ее тренировки. | Задание | |
Лекция 5: Нейронные сети на практике |
20 марта, 8:40 Мск |
GPUs. Процесс тренировки и overfitting/underfitting на практике,. Learning rate annealing. Batch Normalization. Ансамбли. Что нового в 2018. | Видео Слайды |
Задание 2, Часть 2: PyTorch |
Реализация нейросети на PyTorch, практика тренировки и визуализации предсказаний модели. | Задание | |
Лекция 6: Convolutional Neural Networks |
27 марта, 8:40 Мск |
Convolution и pooling layers. Эволюция архитектур: LeNet, AlexNet, VGG, ResNet. Transfer learning. Аугментации. | Видео Слайды |
Задание 3: Convolutional Neural Networks |
Реализация Convolutional Neural Networks руками и на PyTorch. | Задание | |
Лекция 7: Segmentation и Object Detection (Владимир Игловиков) |
3 апреля, 8:40 Мск |
Более сложные задачи компьютерного зрения - сегментация (segmentation) и нахождение объектов на изображении (object detection). | Видео Слайды Версия 2017 |
Задание 4: Hotdog or Not |
Использование методов transfer learning и fine tuning на примере распознавания хотдогов. | Задание | |
Лекция 8: Metric Learning, Autoencoders, GANs |
10 апреля, 8:40 Мск |
Metric Learning на примере распознавания лиц, обзор некоторых методов unsupervised learning в DL. | Видео Слайды |
Лекция 9: Введение в NLP, word2vec |
17 апреля, 8:40 Мск |
Краткий обзор области обработки естественного языка и применения deep learning к ней на примере word2vec. | Видео Слайды |
Задание 5: Word2Vec |
Реализация word2vec на PyTorch на маленьком наборе данных. | Задание | |
Лекция 10: Recurrent Neural Networks |
24 апреля, 8:40 Мск |
Применение рекуррентных нейронных сетей (recurrent neural networks) в задачах распознавания естественного языка. Детали архитектуры LSTM. | Видео Слайды |
Задание 6: RNNs |
Использование LSTM для определения части речи (Part of Speech Tagging). Адаптировано из курса Даниила Анастасьева с разрешения автора. | Задание | |
Лекция 11: Аудио и распознавание речи (Юрий Бабуров) |
1 мая, 8:40 Мск |
Применение методов deep learning к задаче распознавания речи. Краткий обзор других задач, связанных с аудио. | Видео Слайды |
Лекция 12: Attention |
8 мая, 8:40 Мск |
Использование механизма Attention в NLP на примере задачи машинного перевода. Архитектура Transformer, современное развитие. | Видео Слайды |
Лекция 13: Reinforcement Learning |
15 мая, 8:40 Мск |
Введение в обучение с подкреплением (reinforcement learning), использование методов deep learning. Базовые алгоритмы - Policy Gradients и Q-Learning | Видео Слайды |
Задание 7: Policy Gradients |
Решение модельной задачи RL - Cartpole с помощью алгоритма REINFORCE на основе Policy Gradients. Подготовлено Сергеем Свиридовым | Задание | |
Лекция 14: Еще о Reinforcement Learning |
22 мая, 8:40 Мск |
Model-based RL на примере AlphaZero. Критика и некоторые возможные пути развития области. | Видео Слайды |
Задание: Написать пост о статье |
Прочитайте и опишите в посте одну из современных статей в области deep learning! | Инструкции | |
Лекция 15: Заключение |
22 мая, 8:40 Мск |
Итоги. Чем можно заняться после курса, чтобы повысить количество Deep Learning в своей жизни. | Видео Слайды |