From e262738a94f61105147445167a76cf1f20d11e8d Mon Sep 17 00:00:00 2001
From: Artem Nikonorov <artniko@gmail.com>
Date: Wed, 9 Sep 2020 19:06:36 +0400
Subject: [PATCH] Update README.md

---
 README.md | 70 +++++++++++++++++++++++++++++++++++++++++++++++++++++--
 1 file changed, 68 insertions(+), 2 deletions(-)

diff --git a/README.md b/README.md
index 0904899..56078ea 100644
--- a/README.md
+++ b/README.md
@@ -1,3 +1,69 @@
 # Курс "Нейронные сети и глубокое обучение" Самарского Университета
-Лектор Артем Владимирович Никоноров, д.т.н., artniko@gmail.com
-Ассистент Евдокимова Виктория Витальевна, аспирант Самарского Университета, vkutikova94@gmail.com.
+Лектор Артем Владимирович Никоноров, д.т.н., artniko@gmail.com  
+Ассистент Евдокимова Виктория Витальевна, аспирант Самарского Университета, vkutikova94@gmail.com
+
+
+Курс основывается на предыдущих более обзорных лекциях и туториалах по глубокому обучению и его приложениях, в частности, вот небольшая обзорная лекция в Кавказком Математическом Центре. Также во многом этот курс является адаптацией известнейшего курса http://cs231n.stanford.edu/  
+
+## Предварительный лекционный план.
+
+План может менятся в процессе курса.  
+
+**Лекция 1. Классификация, основанная на данных**   
+Введение в курс.  
+Задача классификации изображений.  
+Подходы основанные на данных.  
+Линейная классификация и knn-классификатор.  
+
+**Лекция 2. Функции потерь и оптимизация.**  
+Мультиклассовый SVM и его функция потерь.  
+Софтмакс и мультимодальная логистическая регрессия.  
+Оптимизация функции потерь.  
+Стохастический градиентный спуск.  
+
+**Лекция 3. Нейронные сети и обратное распространение ошибки.**  
+Алгоритм обратного распространения ошибки.  
+Многослойный перцептрон.  
+Классификация с точки зрения нейронной сети.  
+
+**Лекция 4. Сверточные сети (СНС).**  
+История.  
+Основные операции СНСС.  
+Применение СНС вне задач машинного зрения.  
+
+**Лекция 5. Инструментарий глубокого обучения.**  
+CPU vs GPU vs TPU.  
+Пакеты глубокого обучения, Tensorflow, Keras и другие.  
+Вычислительные графы СНС.  
+
+**Лекция 6. Обучение СНС, часть 1.**  
+Активационные функции, обработка данных сетью.  
+Пакетная нормализация и другие трюки.  
+Transfer learning.
+
+**Лекция 7. Обучение СНС, часть 2.**  
+Политики обновления гиперпараметров.  
+Тюнинг процесса обучения.
+Аугментация данных.  
+
+**Лекция 8. Архитектуры СНС**  
+Базовые архитектуры - AlexNet, VGG, GoogleNet, ResNet, UNET и другие.  
+
+**Лекция 9. Генеративные и рекуррентные модели**  
+RNN/LSTM.  
+Механизм attention.
+Обработка естественного языка.
+GAN сети.
+
+**Лекция 10. Прикладные сценарии использования СНС**  
+TBD.  
+
+**Лекция 11. Перспективы развития ИИ**  
+TBD.  
+
+
+
+
+
+
+