/deep-learning-course-practice-2023

Репозиторий для публикации результатов выполнения лабораторных и практических работ по курсу "Глубокое обучение"

Общие правила

  1. Лабораторные и практические работы принимаются очно.
  2. Для практических работ предлагается использовать библиотеки PyTorch или MXNet.
  3. Перед сдачей работы необходимо выложить результаты в собственный fork публичного GitHub-репозитория. При этом все файлы работ должны находиться в директории с названием <номер группы>/<наименование работы>/FamiliaIO (например, 3822М1ПМвм/laboratory_work_1/IvanovII). Также должен быть создан Pull Request в основной репозиторий с готовой работой, Pull Request должен иметь название Фамилия И.О. <наименование работы на русском языке> (например, Иванов И.И. Лабораторная работа №1). Дата сдачи определяется по времени Pull Request.
  4. Работу следует выполнять в Jupiter Notebook, поэтому необходимо уделить особое вниманию воспроизводимости (порядок выполнения ячеек). Выкладывать следует .ipynb и Jupiter Notebook, сконвертированный в формат .html внутренними средствами использованной среды разработки. Файлы .ipynb, .html должны содержать все необходимые результаты для понимания корректности и качества работы разработанного решения.
  5. В случае наличия недочетов предполагается, что они будут исправляться в процессе очной сдачи (при не согласии с выставленным баллом), поэтому необходимо предусмотреть возможность перезапуска отдельных частей или всего кода. Для этих целей в практических работах можно использовать Google Colab с предварительным сохранением моделей.

Лабораторные и практические работы

Группы: 3822М1ПМвм, 3822М1ПМкн1

Работы и сроки сдачи:

Группа 3822М1ПР1

Работы и сроки сдачи:

Группы: 3822М1ПМад, 3822М1ФИии1, 3822М1ФИии2

Работы и сроки сдачи: