Update README.md

patch-1
Artem Nikonorov 2 years ago committed by GitHub
parent c7b35d7db6
commit 62b7c37b9f
No known key found for this signature in database
GPG Key ID: 4AEE18F83AFDEB23

@ -9,16 +9,23 @@ 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/
Материалы курса за 2020-21 годы расположены [здесь](https://github.com/da0c/DL_Course_SamU).
Курс 2022 года состоит из трех частей:
**Введение в глубокое обучение:** краткий обзор всех достижений машинного обучения до сверточных нейронных сетей, две лекции.
**Основы глубокого обучения:** собственно основной материал курса, порядка 8 лекций.
**Дополнительные главы глубокого обучения:** новинки и SOTA решения, трансформеры, метаобучение, zero shot learning и другое.
## 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 [пятницам](https://ssau.ru/rasp?staffId=66320001&selectedWeek=3&selectedWeekday=1).
Продолжительность лекции два астрономических часа.
Лекции раз в две недели по [четвергам](https://ssau.ru/rasp?staffId=66320001&selectedWeek=3&selectedWeekday=1).
Начало в 19-00 по Самаре. Продолжительность лекции два астрономических часа.
Первая лекция: 10.09.22 в 10:00 в Zoom.
**Следующая лекция: 07.10.22 в 10:00 в Zoom.**
Подключиться к конференции Zoom
https://us02web.zoom.us/j/8366671872?pwd=NS9ZaXNWWG55Y0pESUZIZHlRa0U5dz09
@ -28,15 +35,22 @@ https://us02web.zoom.us/j/8366671872?pwd=NS9ZaXNWWG55Y0pESUZIZHlRa0U5dz09
## Лекционный план 2022-2023
**Лекция 1. Классификация, основанная на данных**
**Часть первая. Введение в глубокое обучение.**
**Лекции 1,2. Классификация, основанная на данных**
Введение в курс.
Задача классификации изображений.
Подходы основанные на данных.
Линейная классификация и knn-классификатор.
Основные идеи - От MLP до CNN.
[Первая часть](https://youtu.be/pruCadZdhmQ)
[Вторая часть](https://youtu.be/bsdpRfQM-O8)
Презентация - TBD.
**Часть вторая. Основы глубокого обучения.**
**Лекция 2. Функции потерь и оптимизация.**
**Лекция 3. Функции потерь и оптимизация.**
Мультиклассовый SVM и его функция потерь.
Софтмакс и мультимодальная логистическая регрессия.
@ -78,6 +92,8 @@ Transfer learning.
Базовые архитектуры - AlexNet, VGG, GoogleNet, ResNet, UNET и другие.
**Часть третья. Дополнительные главы**
**Лекция 9. Генеративные и рекуррентные модели**
@ -89,7 +105,12 @@ Transfer learning.
3. Детектирование и сегментация.
**Лекция 10. Нейростевые модели и искусственный интеллект**
**Лекция 10. SOTA модели**
Трансформеры
Zero shot подходы
Метаобучение
Федеративное обучение
## План лабораторных работ

Loading…
Cancel
Save