Skip to content

Latest commit

 

History

History
57 lines (31 loc) · 4.16 KB

README.md

File metadata and controls

57 lines (31 loc) · 4.16 KB
Raw

Deep Learning School

Официальный сайт: https://www.dlschool.org/

Школа глубокого обучения (Deep Learning School) — кружок от ФПМИ МФТИ, рассчитанный на старшеклассников, интересующихся программированием и математикой, а также студентов, которые хотят начать заниматься глубоким обучением. Занятия ведут студенты Физтех-школы прикладной математики и информатики МФТИ.

Цель курсов кружка — познакомить слушателей с основными принципами глубокого обучения (нейронных сетей) в интерактивном формате и на примере практических задач.

Для кого

У нас есть несколько потоков:

  • Поток для школьников. Занятия будут особенно полезны школьникам 9-11 классов, увлекающимся математикой и программированием. Ученики, успешно выполнившие контрольные и сдавшие финальный проект, получат дополнительные баллы индивидуальных достижений при поступлении в МФТИ. На данный момент регистрация на третью итерацию уже закрыта.
  • Поток для студентов. Занятия подойдут любым студентам технических специальностей, которые хотят начать разбираться в машинном обучении. На данный момент регистрация на первую итерацию уже закрыта.
  • Pro поток. На занятиях этого потока рассматриваются разнообразные продвинутые техники и новейшие разработки в области глубокого обучения. Регистрация на следующую итерацию потока откроется в будущем.

Вне зависимости от аудитории, на которую рассчитан каждый поток, любой человек может подать заявку на заочное прохождение любого потока.

Где

Очные занятия будут проходить в зданиях партнёров проекта.

Также будет доступно онлайн обучение с записями лекций и всеми материалами.

Программа первого семестра

  1. Python: основы, Google Colab.

  2. Введение в линейную алгебру. Векторы. Матрицы и операции с ними. Библиотека NumPy.

  3. Библиотеки Pandas и MatPlotlib. Основы машинного обучения.

  4. Элементы теории оптимизации. Градиент. Градиентный спуск. Линейные модели.

  5. Введение в глубокое обучение. Перцептрон. Нейрон с сигмоидой (и другими функциями активации). Основы ООП в Python.

  6. Библиотека PyTorch.

  7. Обучение нейронных сетей на практике. Cifar10, notMNIST.

  8. Сверточные нейросети. Сверточный слой. Пулинг слой.

  9. Практика обучения нейросетей. Классификация дорожных знаков.

  10. Transfer learning. Популярные в computer vision архитектуры.

  11. Сегментация картинок. Unet.

  12. Участие в соревнованиях на kaggle.

  13. Object Detection. YOLOv3.

  14. Классический GAN. Нейронный перенос стиля.