А еще у нас есть крутая студенческая лаборатория нейронных сетей, где мы внедряем весь этот космос в продакшин. У самых мотивированных студентов будет реальный шанс туда попасть!
Мы ожидаем, что студенты пришедшие к нам знают основы линейной алгебры (операции над матрицами, обращение матриц), мат.анализа (производные, градиенты), теории вероятности (условная вероятность, теорема Байеса). В первой лекции мы сделаем небольшое, но достаточное введение в машинное обучение и оптимизацию, для тех, кто не изучал эти темы. Если хочется освежить знания математики, рекомендую книгу Deep Learning Part I. Кроме того, мы ожидаем что вы умеете программировать на Python.
Поступить могут студенты и аспиранты всех курсов и факультетов МФТИ, знающие
Компьютер, возможность подключиться к беспроводной сети для выхода в сеть Internet.
4 ак. часа в неделю без учета времени на выполнение домашнего задания.
МФТИ.
Обучение бесплатно.
Другие вопросы можно посмотреть здесь.
Базовые понятия машинного обучения.
Модель линейной и логистической регрессии.
Алгоритм стохастического градиентного спуска.
Персептрон и алгоритм обратного распространения ошибки.
Семинар: реализация алгоритма SGD, многослойного персептрона
История появления сверточных сетей.
Основные компоненты сверточных сетей: слои свертки, пулинга, батч-нормализации, активации и т.д.
Алгоритм minibatch-SGD
Продвинутые методы оптимизации
Реализация нейронных сетей с использованием PyTorch
Семинар: решение задачи MNIST с использованием pytorch
Базовые архитектуры нейросетей, решаем задачу классификаци продвинутыми архитектурами
Сегментация изображений при помощи нейронных сетей в задаче автопилота.
Генерация текстур & перенос стилей
Синтез музыки.
Играем в игры на базе OpenAI
Синтез правдоподобных изображений.
Автоэнкодеры. Генеративные состязательные сети (GAN)
Аспекты использования нейронных сетей в продакшене.
Подведение итогов курса, раздача печенек.