From 85ef696e09ee4a6349606925209771e9d9331a24 Mon Sep 17 00:00:00 2001 From: Artem Nikonorov Date: Sun, 2 Oct 2022 12:01:39 +0400 Subject: [PATCH] Update README.md --- README.md | 16 ++++++++-------- 1 file changed, 8 insertions(+), 8 deletions(-) diff --git a/README.md b/README.md index aa9dece..770b1b2 100644 --- a/README.md +++ b/README.md @@ -62,7 +62,7 @@ https://us02web.zoom.us/j/8366671872?pwd=NS9ZaXNWWG55Y0pESUZIZHlRa0U5dz09 [Презентация к лекции 3](https://github.com/kvvik/DL_Course_SamU/blob/master/Lectures/Lecture_3_SGD_22.pdf) [Python-ноутбук к лекции 3](https://github.com/kvvik/DL_Course_SamU/blob/master/Lectures/Lecture_3.ipynb) -**Лекция 3. Нейронные сети и обратное распространение ошибки.** +**Лекция 4. Нейронные сети и обратное распространение ошибки.** Классификация с точки зрения нейронной сети. Многослойный перцептрон. @@ -72,13 +72,13 @@ https://us02web.zoom.us/j/8366671872?pwd=NS9ZaXNWWG55Y0pESUZIZHlRa0U5dz09 [Презентация к лекции 4](https://github.com/kvvik/DL_Course_SamU/blob/master/Lectures/lecture_4_BP_22.pdf) -**Лекция 4. Сверточные сети (СНС).** +**Лекция 5. Сверточные сети (СНС).** История. Основные операции СНС. Применение СНС вне задач машинного зрения. Разбор задач к самостоятельной: расчет выхода сверточной сети. -**Лекция 5. Инструментарий глубокого обучения.** +**Лекция 6. Инструментарий глубокого обучения.** CPU vs GPU vs TPU. Пакеты глубокого обучения, Tensorflow, Keras и другие. Вычислительные графы СНС. @@ -88,26 +88,26 @@ CPU vs GPU vs TPU. Три задачи из лекций 2-5. **Внимание:** участие в самостоятельной, как и сдача лабораторных, необходимое условие для допуска к экзамену. -**Лекция 6. Обучение СНС, часть 1.** +**Лекция 7. Обучение СНС, часть 1.** Активационные функции, обработка данных сетью. Пакетная нормализация и другие трюки. Transfer learning. -**Лекция 7. Обучение СНС, часть 2.** +**Лекция 8. Обучение СНС, часть 2.** Политики обновления гиперпараметров. Тюнинг процесса обучения. Аугментация данных. -**Лекция 8. Архитектуры СНС** +**Лекция 9. Архитектуры СНС** Базовые архитектуры - AlexNet, VGG, GoogleNet, ResNet, UNET и другие. **Часть третья. Дополнительные главы** -**Лекция 9. Генеративные и рекуррентные модели** +**Лекция 10. Генеративные и рекуррентные модели** 1. RNN/LSTM. @@ -118,7 +118,7 @@ Transfer learning. 3. Детектирование и сегментация. -**Лекция 10. SOTA модели** +**Лекция 11. SOTA модели** Трансформеры Zero shot подходы Метаобучение