Программа курса
«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
Занятия по Python
Продвинутые темы
Дополнительные темы
Подробная программа обучения
С описаниями занятий и заданий
Базовые темы
20 июля
10:00 мск
20 июля
10:00 мск
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
27 июля
10:00 мск
27 июля
10:00 мск
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
3 августа
10:00 мск
3 августа
10:00 мск
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
10 августа
10:00 мск
10 августа
10:00 мск
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
17 августа
10:00 мск
17 августа
10:00 мск
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 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. 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 курнкурса
24 августа
10:00 мск
24 августа
10:00 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: Оценка стоимости недвижимости / оценка зарплаты по резюме на hh.ru
31 августа
10:00 мск
31 августа
10:00 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
7 сентября
10:00 мск
7 сентября
10:00 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: Определение жанра музыки
14 сентября
10:00 мск
14 сентября
10:00 мск
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 / генерация рукописных цифр
21 сентября
10:00 мск
21 сентября
10:00 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
Занятия по Python
22 июля
20:00 мск
22 июля
20:00 мск
Основы Python: структуры данных и функции
Описание занятия: Знакомство с терминалом, установка Anaconda на Windows, Linux, macOS; запуск JupyterNotebook. Базовые операции: Python как калькулятор; переменные и типы, преобразование типов; базовые конструкции, циклы

Задание: Установка Anaconda, задача на условный оператор, использование циклов
29 июля
20:00 мск
29 июля
20:00 мск
Python: научные вычисления с NumPy
Описание занятия: Знакомство с функциями; структура np.ndarray; отказ от циклов и базовые статистические функции

Задание: Чтение данных с помощью Numpy и арифметические операции с данными
5 августа
20:00 мск
5 августа
20:00 мск
Python: обработка данных с Pandas
Описание занятия: Структуры pd.Series и pd.DataFrame; базовая функциональность; чтение данных из файлов разных типов; подвыборки; индексация, типы индексов, мультииндексация; встроенные статистические функции

Задание: Чтение данных с помощью Pandas, вывод на экран подвыборку датасета, которая соответствует заданным условиям
12 августа
20:00 мск
12 августа
20:00 мск
Python: визуализация данных
Описание занятия: Отображение двумерных данных c Matplotlib; Свойства графика; диаграммы, гистограммы; Seaborn

Задание: Построить 4 графика переменных из датасета как один объект в логарифмической шкале, подобрать размер шрифта, масштаб, подписать каждый график
Продвинутые темы
28 сентября
10:00 мск
28 сентября
10:00 мск
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
5 октября
12:00 мск
5 октября
12:00 мск
Сегментация
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
12 октября
10:00 мск
12 октября
10:00 мск
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
19 октября
10:00 мск
19 октября
10:00 мск
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
26 октября
10:00 мск
26 октября
10:00 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: Обучение бота прохождению лабиринта
2 ноября
10:00 мск
2 ноября
10:00 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: Автоматический подбор архитектуры нейронной сети
9 ноября
10:00 мск
9 ноября
10:00 мск
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
16 ноября
10:00 мск
16 ноября
10:00 мск
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
23 ноября
10:00 мск
23 ноября
10:00 мск
Signal processing в задачах прогнозирования неисправностей и предиктивного обслуживания
Описание занятия: Тема предективного 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
30 ноября
10:00 мск
30 ноября
10:00 мск
Алгоритмы препроцессинга данных
Описание занятия: Изучение алгоритмов для обработки данных. Нормализация и шкалирование данных. Отображение в Гауссово распределение. Использование метода главных компонент. Создание «полиномиальных» фич. Использование фреймворка tsfresh для генерации фич временного ряда

Задание: Отображение пространства главных компонент на примере инкрементального PCA
7 декабря
10:00 мск
7 декабря
10:00 мск
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
14 декабря
10:00 мск
14 декабря
10:00 мск
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
21 декабря
10:00 мск
21 декабря
10:00 мск
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 нна Кластере Spark
28 декабря
10:00 мск
28 декабря
10:00 мск
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 нейтронными сетями, оркестрации контейнеров и конвертами Keras моделей в C++ код

Задание: Упаковка обученной модели MNIST в контейнер, с сохранением всех зависимостей
4 января
10:00 мск
4 января
10:00 мск
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
11 января
10:00 мск
11 января
10:00 мск
Написание нейронных сетей с библиотекой Tensorflow
Описание занятия: На этом занятии мы разберею библиотеку TensorFlow. Это более глубогоуровневая библиотека, чем Kerasб и лежит в основе Keras. Её возможности позволяют реализовывать некоторые значительно более сложные задачи и арихтектуры, чем Keras

Задание: Оценка стоимости квартир / распознавание изображений / распознавание писателей
Расписание курсовой работы, дипломной работы и устного экзамена
8 октября
8 октября
Публикация задания Курсовой работы
8 октября 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
5 ноября
5 ноября
Сдача Курсовой работы
До 05 ноября вы должны выложить своё решение курсовой работы и показать необходимую точность работы нейронной сети.
До 05 ноября у вас будет неограниченное число попыток
12 ноября
12 ноября
Начало работы над Дипломным проектом
12 ноября вы должны заявить тему Дипломного проекта, короткое описание проекта и утвердить тему со своим куратором
7 - 20 января
7 - 20 января
Защита Дипломных проектов
С 07 по 20 января 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
14 января
31 января
14 января
31 января
Устный экзамен в Skype
С 14 по 31 января 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