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
Продвинутые темы
Дополнительные темы
Подробная программа обучения
С описаниями занятий и заданий
Базовые темы
24 сентября
20:00 мск
24 сентября
20:00 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
1 октября
20:00 мск
1 октября
20:00 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
8 октября
20:00 мск
8 октября
20:00 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
15 октября
20:00 мск
15 октября
20:00 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
22 октября
20:00 мск
22 октября
20:00 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 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
29 октября
20:00 мск
29 октября
20:00 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
5 ноября
20:00 мск
5 ноября
20:00 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
12 ноября
20:00 мск
12 ноября
20:00 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
19 ноября
20:00 мск
19 ноября
20:00 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
26 ноября
20:00 мск
26 ноября
20:00 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
Продвинутые темы
3 декабря
20:00 мск
3 декабря
20:00 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
10 декабря
20:00 мск
10 декабря
20:00 мск
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
17 декабря
20:00 мск
17 декабря
20:00 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
24 декабря
20:00 мск
24 декабря
20:00 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
7 января
20:00 мск
7 января
20:00 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
14 января
20:00 мск
14 января
20:00 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
21 января
20:00 мск
21 января
20:00 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
28 января
20:00 мск
28 января
20:00 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
4 февраля
20:00 мск
4 февраля
20:00 мск
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
11 февраля
20:00 мск
11 февраля
20:00 мск
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
18 февраля
20:00 мск
18 февраля
20:00 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
25 февраля
20:00 мск
25 февраля
20:00 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
3 марта
20:00 мск
3 марта
20:00 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
10 марта
20:00 мск
10 марта
20:00 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
17 марта
20:00 мск
17 марта
20:00 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
24 марта
20:00 мск
24 марта
20:00 мск
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
12 декабря
12 декабря
Публикация задания Курсовой работы
12 декабря 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
21 января
21 января
Сдача Курсовой работы
До 21 января вы должны выложить своё решение курсовой работы и показать необходимую точность работы нейронной сети.
До 21 января у вас будет неограниченное число попыток
28 января
28 января
Начало работы над Дипломным проектом
28 января вы должны заявить тему Дипломного проекта, короткое описание проекта и утвердить тему со своим куратором
18 - 31 марта
18 - 31 марта
Защита Дипломных проектов
С 18 по 31 марта 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
25 марта
11 апреля
25 марта
11 апреля
Устный экзамен в Skype
С 25 марта по 11 апреля 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