Deep Learning School
Официальный сайт: https://www.dlschool.org/
Школа глубокого обучения (Deep Learning School) — кружок от ФПМИ МФТИ, рассчитанный на старшеклассников, интересующихся программированием и математикой, а также студентов, которые хотят начать заниматься глубоким обучением. Занятия ведут студенты Физтех-школы прикладной математики и информатики МФТИ.
Цель курсов кружка — познакомить слушателей с основными принципами глубокого обучения (нейронных сетей) в интерактивном формате и на примере практических задач.
Для кого
У нас есть несколько потоков:
- Поток для школьников. Занятия будут особенно полезны школьникам 9-11 классов, увлекающимся математикой и программированием. Ученики, успешно выполнившие контрольные и сдавшие финальный проект, получат дополнительные баллы индивидуальных достижений при поступлении в МФТИ. На данный момент регистрация на третью итерацию уже закрыта.
- Поток для студентов. Занятия подойдут любым студентам технических специальностей, которые хотят начать разбираться в машинном обучении. На данный момент регистрация на первую итерацию уже закрыта.
- Продвинутый поток. На занятиях этого потока рассматриваются разнообразные продвинутые техники и новейшие разработки в области глубокого обучения. Регистрация на следующую итерацию потока откроется в будущем.
Вне зависимости от аудитории, на которую рассчитан каждый поток, любой человек может подать заявку на заочное прохождение любого потока.
Где
Очные занятия проходят в Учебном корпусе компании 1С.
Также доступно онлайн-обучение с записями лекций и всеми материалами.
Программа курса
Первая часть:
-
Python: основы, Google Colab
-
Введение в линейную алгебру. Векторы. Матрицы и операции с ними. Библиотека NumPy
-
Библиотеки Pandas и MatPlotlib. Основы машинного обучения
-
Элементы теории оптимизации. Градиент. Градиентный спуск. Линейные модели
-
Введение в глубокое обучение. Перцептрон. Нейрон с сигмоидой (и другими функциями активации). Основы ООП в Python
-
Библиотека PyTorch. Многослойные нейросети
-
Обучение нейронных сетей на практике. Cifar10, notMNIST
-
Сверточные нейросети. Сверточный слой. Пулинг слой
-
Практика обучения нейросетей. Классификация дорожных знаков
-
Transfer Learning. Популярные в Computer Vision архитектуры
-
Сегментация картинок. U-Net
-
Участие в соревнованиях на Kaggle
-
Object Detection. YOLOv3
-
Классический GAN. Нейронный перенос стиля
Вторая часть:
-
Базовые методы обработки текста
-
Word Embeddings
-
Рекуррентные нейронные сети
-
LSTM, GRU ячейки
-
Языковые модели
-
Машинный перевод
-
Text2Speech
-
SuperResolution
-
Speech2Text
-
Практические советы по обучению нейросетей
-
Диалоговые системы
Если Вы заметили неточность или ошибку в материалах — пожалуйста, сообщите нам!