Программа курса
«Data science и нейронные сети на Python»
Программа курса, короткое и полное расписание,
даты курсовой работы, дипломной работы, устного экзамена
Программа обучения
Краткая программа обучения: даты, темы занятий

Или посмотрите подробную программу
В ней есть описания занятий и задания к каждому занятию
Базовые темы
Продвинутые темы
Дополнительные темы
Подробная программа обучения
Подробная программа обучения с описаниями занятий и заданий
Базовые темы
22 февраля

12:00 мск поток Light

15:00 мск
поток Pro
22 февраля

12:00 мск поток Light

15:00 мск
поток Pro
Введение в нейронные сети
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
29 февраля

12:00 мск поток Light

15:00 мск
поток Pro
29 февраля

12:00 мск поток Light

15:00 мск
поток Pro
Полносвязные сети, обучающая 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: Распознавание рукописных цифр
7 марта
12:00 мск поток Light

15:00 мск
поток Pro
7 марта
12:00 мск поток Light

15:00 мск
поток Pro
Свёрточные нейронные сети
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 изображений
14 марта

12:00 мск поток Light

15:00 мск
поток Pro
14 марта

12:00 мск поток Light

15:00 мск
поток Pro
Обработка текстов с помощью нейросетей
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: Распознавание писателей по текстам
21 марта

12:00 мск поток Light

15:00 мск
поток Pro
21 марта

12:00 мск поток Light

15:00 мск
поток Pro
Рекуррентные нейронные сети и одномерные свёрточные сети для обработки текстов
Описание занятия: Рекуррентные сети - это сети с памятью, они обрабатывают данные не в отрыве друг от друга, как остальные архитектуры. Рекуррентные сети находят взаимосвязи в последовательностях данных. Чаще всего они используются для анализа текстов и зарекомендовали себя самым мощным инструментом для решения языковых задач. 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: Определение, выйдет ли рассказ в финал литературного конкурса
28 марта

12:00 мск поток Light

15:00 мск
поток Pro
28 марта

12:00 мск поток Light

15:00 мск
поток Pro
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: Оценка стоимости недвижимости / оценка зарплаты по резюме на hh.ru
4 апреля
12:00 мск поток Light

15:00 мск
поток Pro
4 апреля
12:00 мск поток Light

15:00 мск
поток Pro
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
11 апреля

12:00 мск поток Light

15:00 мск
поток Pro
11 апреля

12:00 мск поток Light

15:00 мск
поток Pro
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: Определение жанра музыки
18 апреля

12:00 мск поток Light

15:00 мск
поток Pro
18 апреля

12:00 мск поток Light

15:00 мск
поток Pro
Автокодировщики, вариационные автокодировщики, генеративные модели на базе 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: Поиск мошеннических операций по картам
25 апреля

12:00 мск поток Light

15:00 мск
поток Pro
25 апреля

12:00 мск поток Light

15:00 мск
поток Pro
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
Продвинутые темы
2 мая
12:00 мск поток Light

15:00 мск
поток Pro
2 мая
12:00 мск поток Light

15:00 мск
поток Pro
Предварительно обученные сверточные 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: Определение марки автомобиля по фото
9 мая

12:00 мск поток Light

15:00 мск
поток Pro
9 мая

12:00 мск поток Light

15:00 мск
поток Pro
Сегментация изображений
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 фото с регистратора для автопилотов автомобилей
16 мая

12:00 мск поток Light

15:00 мск
поток Pro
16 мая

12:00 мск поток Light

15:00 мск
поток Pro
Генерация текста
Описание занятия: На этом занятии мы будем учиться генерировать текст на принципе двух моделей: по символам и по словам

Задание: Генерация стихов / интеллектуальный чат-бот
23 мая

12:00 мск поток Light

15:00 мск
поток Pro
23 мая

12:00 мск поток Light

15:00 мск
поток Pro
Использование Word2vec и сегментация текста
Описание занятия: Первая часть занятия будет посвящена предобученным embedding-слоям, которые создают крупные компании, а вторая часть - сегментации: выделению некоторых блоков внутри текста

Задание: Сегментация резюме на hh.ru
30 мая

12:00 мск поток Light

15:00 мск
поток Pro
30 мая

12:00 мск поток Light

15:00 мск
поток Pro
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: Обучение бота прохождению лабиринта
6 июня
12:00 мск поток Light

15:00 мск
поток Pro
6 июня
12:00 мск поток Light

15:00 мск
поток Pro
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: Автоматический подбор архитектуры нейронной сети
13 июня

12:00 мск поток Light

15:00 мск
поток Pro
13 июня

12:00 мск поток Light

15:00 мск
поток Pro
Алгоритмы кластеризации данных
Описание занятия: Изучение базовых алгоритмов кластеризации. Кластеризация текстовых данных при помощи K-Means. Алгоритмы спектральной и иерархической кластеризации на обучающих примерах

Задание: Кластеризация рукописных цифр K-Means алгоритмом
20 июня

12:00 мск поток Light

15:00 мск
поток Pro
20 июня

12:00 мск поток Light

15:00 мск
поток Pro
Object Detection (распознавание и идентификация местоположения объекта на изображении)
Описание занятия: Наиболее востребованная тема в задачах обработки видеоданных с камер. мы рассмотрим истоки появления алгоритма selective search, и перейдем от него к таким современным реализациям как fater rcnn и yolo. Обсудим плюсы и минусы различных подходов и критерии выбора целевого подхода

Задание: Детектирование нескольких классов на изображении на основе Open Image Dataset
27 июня

12:00 мск поток Light

15:00 мск
поток Pro
27 июня

12:00 мск поток Light

15:00 мск
поток Pro
Signal processing в задачах прогнозирования неисправностей и предиктивного обслуживания
Описание занятия: Тема предиктивного обслуживания является очень востребованной на любом промышленном предприятии, которое выпускает/эксплуатирует станки и машины, в последние годы активно развивается использование техник предиктивного обслуживания на транспорте. В ходе занятия будут разобраны основные определения и подходы в предиктивном обслуживании. мы разберем наиболее передовые методы предсказания Time to Failure (прим. время до поломки) с использованием нейронных сетей

Задание: Предсказание Time to Failure для реактивной турбины самолета на основе датчиков и встроенных сенсоров
4 июля

12:00 мск поток Light

15:00 мск
поток Pro
4 июля

12:00 мск поток Light

15:00 мск
поток Pro
Обучение с подкреплением
Описание занятия: Обучение с подкреплением — это метод машинного обучения, при котором происходит обучение модели, которая не имеет сведений о системе, но имеет возможность производить какие-либо действия в ней. Действия переводят систему в новое состояние и модель получает от системы некоторое вознаграждение

Задание: Игра в тренажер Викиум
11 июля

12:00 мск поток Light

15:00 мск
поток Pro
11 июля

12:00 мск поток Light

15:00 мск
поток Pro
Перенос стиля изображения
Описание занятия: Занятие будет посвящено нейронным сетям, которые позволяют скопировать стиль с одного изображения на другое. Мы будем практиковаться на переносе стиля с картин на фотографии

Задание: Перенос стиля картин на фотографии
18 июля

12:00 мск поток Light

15:00 мск
поток Pro
18 июля

12:00 мск поток Light

15:00 мск
поток Pro
Распознавание речи
Описание занятия: На занятии разберем одну из самых популярных задач работы с речью - это превращение речи в текст, наподобие того, как работают сервисы Яндекс и Ок, Google.

Задание: Распознавание русской речи (Ok, Google)
Дополнительные темы
18 июля

12:00 мск поток Light

15:00 мск
поток Pro
18 июля

12:00 мск поток Light

15:00 мск
поток Pro
Интеграция нейронной сети в Production. Часть 1
Описание занятия: Вывод обученной сети в продуктив - один из самых важных вопросов и при отсутствии подготовленного процесса и инфраструктуры занимает значительно больше времени, чем разработка. В ходе занятия мы разберем 2 наиболее распространенных варианта вывода в продуктив: Реализация модели как Web-сервиса и Реализация модели на Кластере с большим объемом данных. Мы разберем все определения, особенности и ошибки на примере «игрушечного кода». Также обсудим рекомендации по лучшим практикам при выводе модели в продуктив

Задание: Реализация модели распознания рукописных цифр MNIST как Web-сервиса и на Кластере Spark
25 июля

12:00 мск поток Light

15:00 мск
поток Pro
25 июля

12:00 мск поток Light

15:00 мск
поток Pro
Интеграция нейронной сети в Production. Часть 2
Описание занятия: В рамках занятия будет продолжена тема вывода Нейронных сетей и Моделей в продакшен. Будут рассмотрены варианты контейнеризации приложений с нейронными сетями, оркестрации контейнеров и конвертами Keras моделей в C++ код

Задание: Упаковка обученной модели MNIST в контейнер, с сохранением всех зависимостей
1 августа

12:00 мск поток Light

15:00 мск
поток Pro
1 августа

12:00 мск поток Light

15:00 мск
поток Pro
Написание нейронных сетей с библиотекой PyTorch
Описание занятия: Изучение базовых операций и возможностей библиотеки Pytorch. Cоздание полносвязного перцептрона для распознавания рукописных цифр и оценка результатов. Создание свёрточной нейронной сети для распознавания рукописных цифр и оценка результатов. Вычисления на GPU и CPU

Задание: Оценка стоимости квартир / распознавание изображений / распознавание писателей
8 августа

12:00 мск поток Light

15:00 мск
поток Pro
8 августа

12:00 мск поток Light

15:00 мск
поток Pro
Написание нейронных сетей с библиотекой Tensorflow
Описание занятия: На этом занятии мы разберем библиотеку TensorFlow. Это более глубокоуровневая библиотека, чем Keras и лежит в основе Keras. Её возможности позволяют реализовывать некоторые значительно более сложные задачи и архитектуры, чем Keras

Задание: Оценка стоимости квартир / распознавание изображений / распознавание писателей
Расписание курсовой работы, дипломной работы и устного экзамена
5 мая
5 мая
Публикация задания Курсовой работы
5 мая 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 июня
14 июня
Сдача Курсовой работы
До 14 июня вы должны выложить своё решение курсовой работы и показать необходимую точность работы нейронной сети.
До 14 июня у вас будет неограниченное число попыток
21 июня
21 июня
Начало работы над Дипломным проектом
21 июня вы должны заявить тему Дипломного проекта, короткое описание проекта и утвердить тему со своим куратором
10 - 23
августа

10 - 23
августа

Защита Дипломных проектов
С 10 по 23 августа 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
16 августа
2 сентября
16 августа
2 сентября
Устный экзамен в Skype
С 16 августа по 2 сентября 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