Программа курса
«Нейронные сети на Python»
Программа курса, короткое и полное расписание, даты курсовой работы, дипломной работы, устного экзамена
Программа обучения
Посмотрите короткую программу обучения: даты, темы занятий.

Или посмотрите подробную программу
В ней есть описания занятий и задания к каждому занятию
Подробная программа обучения
С описаниями занятий и заданий
25 мая
12:00 мск
25 мая
12:00 мск
Модель нейронной сети. Библиотеки Keras и TensorFlow. Платформа Google Colaboratory
Описание занятия: Первое занятие по нейронным сетям - введение в нишу, путь разработчика в области машинного обучения, математическая модель нейрона, принципы обучения нейронной сети и обучение первой нейронной сети на примере распознавания цифр.
Демонстрация кода в Google Colaboratory

Задание: Распознавание рукописных цифр MNIST
25 мая
15:00 мск
25 мая
15:00 мск
Основы Python
Описание занятия: Это вводное занятие для тех, кто ещё не работал с Python. Вы пройдёте базовый синтаксис Python, попробуете среду разработки и благодаря этому на занятиях по нейронным сетям вы не будете отвлекаться на незнакомый язык

Задание: Работа с текстовыми файлами и кросс-валидация
01 июня
12:00 мск
01 июня
12:00 мск
Оценка качества обучения сети. Переобучение. Обучающая, проверочная и тестовая выборки
Описание занятия: Вторая тема, ключевая в обучении нейронных сетей - обучающая и тестовая выборка, определение качества обучения нейронной сети. Разбирать тему будем на примере распознавания рукописных цифр

Задание: Оценка качества обучения системы распознавания рукописных цифр MNIST
01 июня
15:00 мск
01 июня
15:00 мск
Python: data science библиотеки и визуализация данных
Описание занятия: Второе занятие по Python - работа с библиотеками, которые особенно удобны при работе с нейронными сетями для визуализации данных, процесса обучения и результата распознавания нейронной сети

Задание: Визуализация процесса и результата обучения нейронной сети
08 июня
12:00 мск
08 июня
12:00 мск
Свёрточные нейронные сети. Классификация объектов на изображениях
Описание занятия: Свёрточные нейронные сети применяются для обработки изображений, сейчас это самый мощный инструмент для работы с любыми изображениями, их принцип работы построен аналогично с работой зрительной системы человека. Мы разберём свёрточные сети на примере распознавания различных объектов

Задание: Распознавание объектов из набора данных CIFAR-10
15 июня
12:00 мск
15 июня
12:00 мск
Предварительно обученные свёрточные нейронные сети
Описание занятия: В нейронных сетях вы можете использовать часть сети, которая была предварительно обучена другими разработчиками, часто это компании-гиганты типа Google. Использование предобученной нейронной сети значительно упрощает разработку и скорость обучения вашей собственной сети

Задание: Распознавание котов и собак на изображениях
22 июня
12:00 мск
22 июня
12:00 мск
Сегментация и продвинутые операции со свёрткой
Описание занятия: В завершении темы свёрточных сетей мы разберём тему сегментации изображений - выделения места положения различных объектов или частей объектов (например, рук, ног и головы людей), а так же использование обратной свёртки для генерации изображений

Задание: Разметка фотографий с улиц для автопилотов автомобилей
29 июня
12:00 мск
29 июня
12:00 мск
Работа с данными
Описание занятия: Одна из важнейших тем в нейронных сетях, это предварительная обработка данных. На этом занятии вы узнаете о принципах предобработки изображений и текстовых данных.

Задание: Подготовка и очистка данных
06 июля
12:00 мск
06 июля
12:00 мск
Обработка текстов с помощью глубоких нейросетей. Подготовка текста, векторные представления word2vec и GloVe
Описание занятия: работа с текстами - одна из ключевых областей применения нейронных сетей, на этом занятии мы разберём пример категоризации новостей Reuters с помощью глубоких (но пока не рекуррентных) нейронных сетей

Задание: Определение категории новостей из набора данных Reuters
13 июля
12:00 мск
13 июля
12:00 мск
Рекуррентные нейронные сети для обработки текстов
Описание занятия: Рекуррентные сети - это сети с памятью, они обрабатывают данные не в отрыве друг от друга, как остальные архитектуре, рекуррентные сети находят взаимосвязи в последовательностях данных. Чаще всего они используются для анализа текстов и зарекомендовали себя самым мощным инструментом для решения языковых задач

Задание: Анализ эмоциональной окраски текста из набора данных отзывов на фильмы IMDB
20 июля
12:00 мск
20 июля
12:00 мск
Одномерные свёрточные нейронные сети для обработки текста
Описание занятия: Свёрточные сети можно применять не только для изображений, но и для текстов, если сделать свёрточные сети одномерными, а не двухмерными. Будем разбирать их применение на примере генерации текста

Задание: Автоматическая генерация текста
27 июля
12:00 мск
27 июля
12:00 мск
Классическое машинное обучение: алгоритмы и этапы обработки данных
Описание занятия: Классическое машинное обучение - это то, что было до нейронных сетей, но при этом понимание их принципов, помогает работать с нейронными сетями особенно в области подготовки и предобработки данных

Задание: Распознавание открытый-закрытый глаз
03 августа
12:00 мск
03 августа
12:00 мск
Классическое машинное обучение: признаки для разных типов данных
Описание занятия: У каждого типа данных - изображение, звук, тексты, временные ряды - есть классические признаки, которые используются в классическом машинном обучении и которые может быть полезно использовать и в подготовки данных в нейронных сетях

Задание: Распознавание изображений: лицо / не лицо
10 августа
12:00 мск
10 августа
12:00 мск
Нейронные сети для решения задачи регрессии
Описание занятия: Регрессия - это задача, когда итоговым ответом сети является не класс, а действительно число, например, прогноз погоды или оценка возраста человека по фотографии. Нейронные сети успешно решают задачи регрессии, мы разберём эту тему на примере оценки стоимости недвижимости

Задание: Определение стоимости недвижимости из наборов данных Boston Housing и Ames Housing
17 августа
12:00 мск
17 августа
12:00 мск
Полносвязные и рекуррентные нейронные сети для прогнозирования временных рядов
Описание занятия: Прогнозирование временных рядом похоже на регрессию, только с добавлением нового измерения - времени. Для прогнозирования временных рядом можно применять практически все структуры нейронных сетей: полносвязные, свёрточные и рекуррентные.
Вы уже будете знать все эти архитектуры, мы покажем, как применять их для прогнозирования временных рядов

Задание: Прогнозирование курса валют
24 августа
12:00 мск
24 августа
12:00 мск
Прямые и свёрточные нейронные сети для обработки аудио сигналов
Описание занятия: Работа с аудио-сигналами (голос, музыка) требует тех же нейросетевых архитектур, главное отличие - предобработка данных, использование спектра или треугольных фильтров. Мы разберём специфику работы с аудио-сигналом на примере распознавания диктора по голосу

Задание: Распознавание текста по голосу
31 августа
12:00 мск
31 августа
12:00 мск
Генеративные модели на основе автокодировщиков
Описание занятия: Автокодировщики сжимают данные в меньшее пространство и выступают нейросетевым аналогом архиватора, но они могут так же использоваться в качестве генеративной модели, например, генерировать рукописные цифры

Задание: Генерация рукописных цифр
07 сентября
12:00 мск
07 сентября
12:00 мск
Генеративные состязательные сети
Описание занятия: Генеративные нейронные сети используются для машинного творчества, генерации изображений, текстов, звука. Архитектура генеративных сетей принципиально отличается от всех остальных нейронных сетей, она состоит из двух конкурирующих друг с другом нейронных сетей. Будем разбирать тему на примере генерации изображений

Задание: Генерация изображений
14 сентября
12:00 мск
14 сентября
12:00 мск
Введение в генетические алгоритмы
Описание занятия: Генетические алгоритмы, это моделирование принципов эволюции - естественный отбор, скрещивание и мутации. Они позволяют нестандартным образом решать многие задачи искусственного интеллекта и составляют мощную конкуренцию нейронным сетям. Будем разбирать генетические алгоритмы на примере прохождения лабиринта

Задание: Алгоритм прохождения лабиринта
21 сентября
12:00 мск
21 сентября
12:00 мск
Генетические алгоритмы для обучения нейронных сетей
Описание занятия: Огромное преимущество генетических алгоритмов - с их помощью можно перебрать автоматические сотни и тысячи различных архитектур нейронных сетей выбрать лучшую. Генетический алгоритм сможет выбрать за вас, сколько должно быть слоёв в нейронной сети, сколько нейронов в слоях, какая функция активации - это будет совсем не то, что выбрали бы вы и это будет точно эффективнее

Задание: Подбор архитектуры нейронной сети генетическим алгоритмом
28 сентября
12:00 мск
28 сентября
12:00 мск
Интеграция нейронной сети в production
Описание занятия: Отдельная важная тема - как интегрировать обученную сеть в реально работающий проект, мы разберём интеграцию через веб-сервис на Python, через javascript для сайтов и интеграцию в Android приложения

Задание: Создание собственного сервиса на Python
05 октября
12:00 мск
05 октября
12:00 мск
Продвинутые примеры использования глубоких нейронных сетей. Обнаружение объектов на изображениях
Описание занятия: На этом занятии мы собрали дополнительные темы продвинутой работы с глубокими нейронными сетями, эти темы продвинут ваше понимание глубокого обучения, которое вы сформируете в первой половине курса

Задание: Перенос стиля изображений. Определение эмоций человека на фотографии
12 октября
12:00 мск
12 октября
12:00 мск
Сети с вниманием
Описание занятия: Сети с вниманием, это продвинутая модель рекуррентных нейронных сетей, которая может не только обрабатывать последовательные данные, но и придавать каким-то данным больший вес, а каким-то меньший и таким образом заметно точнее выявлять закономерности

Задание: Классификация текстов писателей
19 октября
12:00 мск
19 октября
12:00 мск
Класитеризация, siamese сети и domain adaptation
Описание занятия: Задача кластеризации - это задача обучения без учителя, когда мы не знаем, а какому классу относятся данные и хотим в большом количестве данных увидеть их внутреннюю структуру - обнаружить плотные устойчивые классы. Это задача успешно решается некоторыми специфическими нейросетевыми архитектурами

Задание: Распознавание лиц
26 октября
12:00 мск
26 октября
12:00 мск
Библиотека PyTourch: пишем свёрточные сети и LSTM
Описание занятия: Библиотека Pytourch - это альтернатива библиотеке Keras, которую мы будем проходить в течение курса. На этом занятии мы дадим вам базовые знания по PyTourch, чтобы вы могли в будущем пользоваться этой библиотекой в том числе

Задание: Распознавание объектов из набора данных CIFAR-10
02 ноября
12:00 мск
02 ноября
12:00 мск
Свободная тема по выбору группы
Описание занятия: тему занятия выберем по итогам голосования группы - в завершении курса у участников всегда появляются либо пожелания по новым темам, либо потребность проработать определённые темы подробнее
09 ноября
12:00 мск
09 ноября
12:00 мск
Свободная тема по выбору группы
Описание занятия: тему занятия выберем по итогам голосования группы - в завершении курса у участников всегда появляются либо пожелания по новым темам, либо потребность проработать определённые темы подробнее
16 ноября
12:00 мск
16 ноября
12:00 мск
Свободная тема по выбору группы
Описание занятия: тему занятия выберем по итогам голосования группы - в завершении курса у участников всегда появляются либо пожелания по новым темам, либо потребность проработать определённые темы подробнее
Расписание курсовой работы, дипломной работы и устного экзамена
17 августа
17 августа
Публикация задания Курсовой работы
17 августа вы получаете задание Курсовой работы - это будет База данных и минимальная точность работы нейронной сети, которую вы должны будете получить.
Задание будет решаться одной или несколькими архитектурами нейронных сетей, которые вы пройдёте до этого
14 сентября
14 сентября
Сдача Курсовой работы
До 14 сентября вы должны выложить своё решение курсовой работы и показать необходимую точность работы нейронной сети.
До 14 сентября у вас будет неограниченное число попыток
21 сентября
21 сентября
Начало работы над Дипломным проектом
21 сентября вы должны заявить тему Дипломного проекта, короткое описание проекта и утвердить тему со своим куратором
16-30 ноября
16-30 ноября
Защита Дипломных проектов
С 16 по 30 ноября будут проходить защиты Дипломных проектов, вы должны получить не только хорошую точность работы нейронной сети, но и подробно описать процесс исследования - как собирали и обрабатывали данные, как выбирали и проверяли архитектуру нейронной сети - главным критерием защиты дипломного проекта будет то, что вы действительно качественно прошли процесс исследования и решения задачи
23 ноября
06 декабря
23 ноября
06 декабря
Устный экзамен в Skype
С 23 ноября по 06 декабря будет устный экзамен в Skype, экзамен будет проводиться по билетам, на нём вам нужно будет показать понимание всех архитектур нейронных сетей, процесса работы с данными, процесса исследования. В экзамен войдут все темы, которые мы будем разбирать на курсе, кроме занятие по Python
Может быть интересно
Другие страницы сайта