Спецкурсы

Особенности практического использования нейронных сетей

Экзамен состоится 12 мая, в 18.30.

Идентификатор zoom конференции: 782 175 4586

Пароль: 271614

 

На этой странице будут выложены презентации лекций с голосовыми комментариями. 

Во вторникам, примерно в 18.30, будут проводиться дистанционные лекции посредством платформы zoom. Каждая лекция будет длиться 30-40 минут. В течение этого времени будет проведен обзор очередной размещенной презентации, можно будет задать вопросы.

Посещаемость дистанционных лекций будет контролироваться. Студенты, которые не подключались к лекциям, к экзамену допущены не будут.  

 

Содержание курса

Лекция 1. Средства работы с нейронными сетями.

Лекция 2. Выбор архитектуры. Типы функции активации.

Лекция 3. Предобработка данных. Функция ошибки.

Лекция 4. Настройка гиперпараметров НС.

Дополнение к лекции 4 (с голосовыми комментариями)

Лекция 5. Инициализация весов НС. Повышение эффективности НС. (с голосовыми комментариями)

Лекция 6. Алгоритмы обучения для глубоких НС.

Лекция 7. Методы повышения эффективности алгоритмов обучения для глубоких НС.

Лекция 8. Обзор современных глубоких сетей для классификации изображений.

Лекция 9. Обзор современных глубоких сетей для обнаружения объектов на изображениях.

 

Дополнительные материалы:

- введение в Pytorch

 

Вопросы к экзамену.

 

Практическое задание.

- Постановка задачи сформулирована в презентации для лекции 1.

- Данные для обучения: изображения, метки классов.

- Данные для тестирования: изображения

 

Архив презентаций осенней части спецкурса.

 

 

Особенности практического использования нейронных сетей

Экзамен состоится 12 мая, в 18.30.

Идентификатор zoom конференции: 782 175 4586

Пароль: 271614

 

На этой странице будут выложены презентации лекций с голосовыми комментариями. 

Во вторникам, примерно в 18.30, будут проводиться дистанционные лекции посредством платформы zoom. Каждая лекция будет длиться 30-40 минут. В течение этого времени будет проведен обзор очередной размещенной презентации, можно будет задать вопросы.

Посещаемость дистанционных лекций будет контролироваться. Студенты, которые не подключались к лекциям, к экзамену допущены не будут.  

 

Содержание курса

Лекция 1. Средства работы с нейронными сетями.

Лекция 2. Выбор архитектуры. Типы функции активации.

Лекция 3. Предобработка данных. Функция ошибки.

Лекция 4. Настройка гиперпараметров НС.

Дополнение к лекции 4 (с голосовыми комментариями)

Лекция 5. Инициализация весов НС. Повышение эффективности НС. (с голосовыми комментариями)

Лекция 6. Алгоритмы обучения для глубоких НС.

Лекция 7. Методы повышения эффективности алгоритмов обучения для глубоких НС.

Лекция 8. Обзор современных глубоких сетей для классификации изображений.

Лекция 9. Обзор современных глубоких сетей для обнаружения объектов на изображениях.

 

Дополнительные материалы:

- введение в Pytorch

 

Вопросы к экзамену.

 

Практическое задание.

- Постановка задачи сформулирована в презентации для лекции 1.

- Данные для обучения: изображения, метки классов.

- Данные для тестирования: изображения

 

Архив презентаций осенней части спецкурса.

 

 

Особенности практического использования нейронных сетей

Экзамен состоится 12 мая, в 18.30.

Идентификатор zoom конференции: 782 175 4586

Пароль: 271614

 

На этой странице будут выложены презентации лекций с голосовыми комментариями. 

Во вторникам, примерно в 18.30, будут проводиться дистанционные лекции посредством платформы zoom. Каждая лекция будет длиться 30-40 минут. В течение этого времени будет проведен обзор очередной размещенной презентации, можно будет задать вопросы.

Посещаемость дистанционных лекций будет контролироваться. Студенты, которые не подключались к лекциям, к экзамену допущены не будут.  

 

Содержание курса

Лекция 1. Средства работы с нейронными сетями.

Лекция 2. Выбор архитектуры. Типы функции активации.

Лекция 3. Предобработка данных. Функция ошибки.

Лекция 4. Настройка гиперпараметров НС.

Дополнение к лекции 4 (с голосовыми комментариями)

Лекция 5. Инициализация весов НС. Повышение эффективности НС. (с голосовыми комментариями)

Лекция 6. Алгоритмы обучения для глубоких НС.

Лекция 7. Методы повышения эффективности алгоритмов обучения для глубоких НС.

Лекция 8. Обзор современных глубоких сетей для классификации изображений.

Лекция 9. Обзор современных глубоких сетей для обнаружения объектов на изображениях.

 

Дополнительные материалы:

- введение в Pytorch

 

Вопросы к экзамену.

 

Практическое задание.

- Постановка задачи сформулирована в презентации для лекции 1.

- Данные для обучения: изображения, метки классов.

- Данные для тестирования: изображения

 

Архив презентаций осенней части спецкурса.