update readme

README.md

@@ -6,6 +6,7 @@
 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/  
 
 
@@ -87,6 +88,9 @@ Transfer learning.
 
 ## План лабораторных работ
 
+Списки групп и статус выполнения лабораторных работ можно найти в [гугл-таблице](https://docs.google.com/spreadsheets/d/1dRMlUIZ1Wf_DmHZBubtRtNbHxteb7ThbJqqZhRCiMEw/edit#gid=0) . 
+
+
 - [для групп 6231, 6233](lab_schedule_6231_6233.md)
 - [для группы 1143](lab_schedule_1143.md)
 

lab_schedule_6231_6233.md

@@ -0,0 +1,49 @@
+# План лабораторных работ
+группы 6233-010402D, 6231-010402D
+
+1. Сентябрь-Октябрь 
+- выбор варианта выполнения лабораторных работ
+- выполнение лабораторных в соответствии с выбранным треком до 31 октября
+
+- формирование команды на 2 часть лабораторных к 1 ноября
+- участие в ММ (опционально)
+
+2. Ноябрь-декабрь. Командная работа над проектом (4-5 человек)
+
+- выбор и постановка задачи на лабораторную
+- распределение задач среди участников
+
+
+Варианты лабораторных работ на сентябрь-октябрь
+
+1. Прохождение Марафона по основам искусственных нейронных сетей
+- 2 раза в неделю на протяжении 7 недель 
+- 2 раза в неделю отчет о выполненном задании
+- при несоблюдении дедлайна перевод на другой вариант лабораторных работ 
+
+2. Выполнение 4х лабораторных работ до 1 ноября
+ЛР 1-3 и на выбор ЛР 4.1 или 4.2
+- [ЛР 1](https://github.com/kvvik/DL_Course_SamU/blob/master/lab_1-2/assignment1.ipynb). kNN, многоклассовый SVM, SoftMax
+- [ЛР 2](https://github.com/kvvik/DL_Course_SamU/blob/master/lab_1-2/assignment2.ipynb). Двухслойная сеть
+- [ЛР 3](https://github.com/kvvik/DL_Course_SamU/blob/master/lab_3/assignment3.ipynb) .Многослойный перцептрон, обратное распространение ошибки, сверточные сети. 
+- [ЛР 4.1](https://github.com/kvvik/DS_SamU/blob/main/tasks/lab_10_tensorflow_groupNumber_secondName.ipynb). Tensorflow. 
+Туториалы: [Tensorflow часть 1](https://github.com/kvvik/DS_SamU/blob/main/tasks/tensorflow/TensorFlow_Basics.ipynb),
+[Tensorflow часть 2](https://github.com/kvvik/DS_SamU/blob/main/tasks/tensorflow/TensorFlow_Intermediate.ipynb),
+[Tensorflow часть 3](https://github.com/kvvik/DS_SamU/blob/main/tasks/tensorflow/TensorFlow_Advanced.ipynb)
+- [ЛР 4.2](https://github.com/kvvik/DS_SamU/blob/main/tasks/lab_7_pytorch_groupNumber_secondName.ipynb). Pytorch.
+Туториалы: [pytorch](https://github.com/kvvik/DS_SamU/blob/main/tasks/pytorch_and_logging/pytorch_part_1_basics.ipynb),
+[pytorch-lightning](https://github.com/kvvik/DS_SamU/blob/main/tasks/pytorch_and_logging/pytorch_part_2_lightning_basics.ipynb), 
+[логирование с comet.ml](https://github.com/kvvik/DS_SamU/blob/main/tasks/pytorch_and_logging/pytorch_part_3_experiments_logging_basics.ipynb)
+
+3. Придумайте задание самостоятельно. Отчитайтесь о выполнении до 1 ноября.
+
+- Если все перечисленное выше вам уже знакомо, придумайте задачу, которую вы бы хотели решить с помощью нейронных сетей. Согласуйте ее с преподавателем.
+- Необходимо согласовать постановку задачи, набор данных. 
+
+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/) . 
+
+С примерами  задач прошлого года можно ознакомиться в [гугл-документе](https://docs.google.com/document/d/1MzdbmrhabHUIb5-I-WGi_PSe_8J25_utfKjmfKUtfAc/edit?usp=sharing) .