diff --git a/README.md b/README.md index 55492a5..4907f6e 100644 --- a/README.md +++ b/README.md @@ -1,162 +1,94 @@ # Курс "Нейронные сети и глубокое обучение" Самарского университета -Лектор Артем Владимирович Никоноров, д.т.н., artniko@gmail.com -Ассистент Виктория Витальевна Евдокимова, аспирант Самарского университета, data.science.sbj@gmail.com +Лектор [Артем Владимирович Никоноров](https://ssau.ru/staff/66320001-nikonorov-artem-vladimirovich), д.т.н., artniko@gmail.com +Ассистенты: [Виктория Витальевна Евдокимова](https://ssau.ru/staff/304968209-evdokimova-viktoriya-vitalevna/edu), + [Никита Александрович Фирсов](https://ssau.ru/staff/441332557-firsov-nikita-aleksandrovich/edu) +Телеграмм группа курса: +https://t.me/DL_SamU_2022 Курс основывается на предыдущих более обзорных лекциях и туториалах по глубокому обучению и его приложениях, в частности, вот [небольшая обзорная лекция](https://youtu.be/Gpq1PFUee88) в Кавказском Математическом Центре. Также во многом этот курс является адаптацией известнейшего курса http://cs231n.stanford.edu/ -## 6235 - Зачет и экзамен (январь 2021). - -Зачет по лабораторным 25.12.20 с 11.30, подробности в чате в личном кабинете. -Консультация в 10-00 25 января 2021 в zoom, ссылка будет позднее. -Экзамен 26 января 2021. -[Вопросы.](https://github.com/da0c/DL_Course_SamU/blob/master/Exams_2021/DL_Exam.pdf) -[Примеры задач.](https://github.com/da0c/DL_Course_SamU/blob/master/Exams_2021/MidTerm.pdf) -## График проведения курса 2020-2021. -**Лекционный курс закончен, видеозаписи 2020-21 годов приведены ниже.** - -Телеграмм группа курса: -https://t.me/DL_SamU_2020 +## График проведения курса 2022-2023 +**Видеозаписи лекций 2020-21 годов можно найти по [ссылке](https://github.com/da0c/DL_Course_SamU).** -Лекции раз в две недели по понедельникам. +Лекции раз в две недели по [пятницам](https://ssau.ru/rasp?staffId=66320001&selectedWeek=3&selectedWeekday=1). Продолжительность лекции два астрономических часа. -[Видеозапись первой лекции](https://www.youtube.com/watch?v=BKG1wEATYOU) +Первая лекция: 10.09.22 в 10:00 в Zoom. -## Лекционный план 2020-2021 +## Лекционный план 2022-2023 **Лекция 1. Классификация, основанная на данных** -[Видеозапись лекции 14.09.2020](https://www.youtube.com/watch?v=BKG1wEATYOU) + Введение в курс. Задача классификации изображений. Подходы основанные на данных. Линейная классификация и knn-классификатор. -[Презентация к лекции 1](https://github.com/da0c/DL_Course_SamU/blob/master/lections/Lection_1_ImClass.pdf) **Лекция 2. Функции потерь и оптимизация.** -[Видеозапись лекции 28.09.2020](https://www.youtube.com/watch?v=3uOIqTNclPA) + Мультиклассовый SVM и его функция потерь. Софтмакс и мультимодальная логистическая регрессия. Оптимизация функции потерь. Стохастический градиентный спуск (SGD). -[Презентация к лекции 2](https://github.com/da0c/DL_Course_SamU/blob/master/lections/Lection_2_SGD.pdf) **Лекция 3. Нейронные сети и обратное распространение ошибки.** -[Видеозапись лекции 28.09.2020](https://www.youtube.com/watch?v=3uOIqTNclPA) + Классификация с точки зрения нейронной сети. Многослойный перцептрон. Представление сети в виде вычислительного графа. Алгоритм обратного распространения ошибки на вычислительном графе. - -[Презентация к лекции 3](https://github.com/da0c/DL_Course_SamU/blob/master/lections/Lecture_3_BP.pdf) **Лекция 4. Сверточные сети (СНС).** История. Основные операции СНС. Применение СНС вне задач машинного зрения. -[Презентация к лекции 4](https://github.com/da0c/DL_Course_SamU/blob/master/lections/Lecture_4_CNN1.pdf) - **Лекция 5. Инструментарий глубокого обучения.** -[Видеозапись лекции 30.10.2020](https://www.youtube.com/watch?v=E0F11tV92sU&feature=youtu.be) CPU vs GPU vs TPU. Пакеты глубокого обучения, Tensorflow, Keras и другие. Вычислительные графы СНС. -[Презентация к лекции 5](https://github.com/da0c/DL_Course_SamU/blob/master/lections/lecture_5_Tools.pdf) - **Лекция 6. Обучение СНС, часть 1.** -[Видеозапись лекции 09.11.2020](https://youtu.be/0pHAWXmDnIM) - Активационные функции, обработка данных сетью. Пакетная нормализация и другие трюки. Transfer learning. -[Презентация к лекции 6](https://github.com/da0c/DL_Course_SamU/blob/master/lections/lecture_6_Training1.pdf) - **Лекция 7. Обучение СНС, часть 2.** -[Видеозапись лекции 23.11.2020](https://youtu.be/1ypE6fz5zXo) - Политики обновления гиперпараметров. Тюнинг процесса обучения. Аугментация данных. -[Презентация к лекции 7](https://github.com/da0c/DL_Course_SamU/blob/master/lections/lecture_7_Training2.pdf) - **Лекция 8. Архитектуры СНС** -[Видеозапись лекции 07.12.2020](https://youtu.be/07AcZgtoipc) - Базовые архитектуры - AlexNet, VGG, GoogleNet, ResNet, UNET и другие. -[Презентация к лекции 8](https://github.com/da0c/DL_Course_SamU/blob/master/lections/lecture_8_Arch.pdf) **Лекция 9. Генеративные и рекуррентные модели** -[Видеозапись лекции 23.12.2020](https://youtu.be/XWd6XYPVYdM) 1. RNN/LSTM. Механизм attention. Обработка естественного языка. -[Презентация к лекции 9.1](https://github.com/da0c/DL_Course_SamU/blob/master/lections/lecture_9_1.pdf) - 2. GAN сети. -[Презентация к лекции 9.2](https://github.com/da0c/DL_Course_SamU/blob/master/lections/lecture_9_2.pdf) - 3. Детектирование и сегментация. -[Презентация к лекции 9.3](https://github.com/da0c/DL_Course_SamU/blob/master/lections/lecture_9_3.pdf) - - **Лекция 10. Нейростевые модели и искусственный интеллект** -[Видеозапись лекции 10, 18.01.2021](https://youtu.be/409okL3L6CY) - - -## План лабораторных работ. - -План может меняться в процессе курса. - -**Л.Р. 1** -kNN, многоклассовый SVM, SoftMax. -[Материалы к лабораторной](https://github.com/da0c/DL_Course_SamU/blob/master/lab_1-2/assignment1.ipynb). - -**Л.Р. 2** -Двухслойная сеть. -[Материалы к лабораторной](https://github.com/da0c/DL_Course_SamU/blob/master/lab_1-2/assignment2.ipynb). - -**Л.Р. 3** -Многослойный перцептрон, обратное распространение ошибки, сверточные сети. -[Материалы к лабораторной](https://github.com/da0c/DL_Course_SamU/blob/master/lab_3/assignment3.ipynb). - -**Л.Р. 4** -Использование библиотеки Tensorflow для обучения СНС. -[Материалы к лабораторной](https://github.com/da0c/DL_Course_SamU/blob/master/lab_4/assignment4.ipynb). - -**Л.Р. 5** -Решение прикладной задачи с применением СНС. - -Задание на Л.Р. 5: -1) Определите задачу. -2) Предложите ее решение на основе СНС. -3) Реализуйте предложенное решение с использованием библиотеки глубокого обучения (например, Tensorflow). -4) Опишите результаты работы в виде статьи по шаблону конференции [ИТНТ](http://itnt-conf.org/index.php/materialy/shablony). +## План лабораторных работ -Интересные задачи можно найти в сборниках следующих конференций: -[CVPR: IEEE Conference on Computer Vision and Pattern Recognition](https://openaccess.thecvf.com/CVPR2019) -[ICCV: International Conference on Computer Vision](https://openaccess.thecvf.com/ICCV2019) -[ECCV: European Conference on Computer Vision](https://openaccess.thecvf.com/ECCV2018) -или на сайте [Kaggle](https://www.kaggle.com/) . +- [для групп 6231, 6233](lab_schedule_6231_6233.md) +- [для группы 1143](lab_schedule_1143.md) diff --git a/lab_schedule_1143.md b/lab_schedule_1143.md new file mode 100644 index 0000000..e69de29 diff --git a/lab_schedule_6231_6233.md b/lab_schedule_6231_6233.md new file mode 100644 index 0000000..e69de29