Бакалавриат 2024/2025

Глубинное обучение 1

Статус: Курс по выбору (Прикладная математика и информатика)

Направление: 01.03.02. Прикладная математика и информатика

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет компьютерных наук

Когда читается: 3-й курс, 2, 3 модуль

Формат изучения: с онлайн-курсом

Онлайн-часы: 20

Охват аудитории: для своего кампуса

Язык: английский

Кредиты: 4

Course Syllabus

Abstract

The course is dedicated to studying deep learning, which is the most rapidly developing field of machine learning. The course attendees will learn what konds of machine learning tasks can be solved using neural networks and what types of neural networks are currently in use. The course has a clear practical focus, students will have to train neural networks on the PyTorch framework using the Python programming language. The course also covers tasks related to images and texts.

Learning Objectives

• Знать принцип работы и уметь обучать следующие виды нейронных сетей: полносвязные, сверточные, рекуррентные, трансформеры.
• Владение фреймворком PyTorch для обучения нейронных сетей.
• Понимать различные задачи, которые решаются с применением глубинного обучения.

Expected Learning Outcomes

• Умение обрабатывать данные и составлять пайплайны для обучения нейронных сетей.

Course Contents

• Графы вычислений, полносвязные нейронные сети.
• Оптимизация нейронных сетей.
• Сверточные нейронные сети
• Современные сверточные архитектуры
• Задачи компьютерного зрения
• Обработка текстов (энкодинги, эмбеддинги)
• Рекуррентные нейронные сети, обработка текстов
• Архитектура трансформера
• Применения трансформеров в компьютерном зрении
• Self-supervision, BERT
• Дистилляция, квантизация, прунинг
• Состязательные атаки
• Генеративные модели.

Assessment Elements

• БДЗ 1 (Большое домашнее задание)
  Классификация изображений, формат соревнования
• БДЗ 2 (Большое домашнее задание)
  Машинный перевод, формат соревнования
• МДЗ 1 (Маленькое домашнее задание)
  Обучение нейронных сетей на numpy, полносвязные нейронные сети (20 баллов)
• МДЗ 2 (Маленькое домашнее задание)
  Сверточные нейронные сети (10 баллов)
• МДЗ 3 (Маленькое домашнее задание)
  Рекуррентные нейронные сети (15 баллов)
• МДЗ 4 (Маленькое домашнее задание)
  Генеративно-состязательные сети (10 баллов)
• МДЗ 5 (Маленькое домашнее задание)
  TBA (10 баллов)
• МДЗ 6 (Маленькое домашнее задание)
  TBA (10 баллов)
• ПР 1 (Проверочная работа)
  Полносвязные нейронные сети, оптимизация нейронных сетей
• ПР 2 (Проверочная работа)
  Обработка изображений, сверточные нейронные сети
• ПР 3 (Проверочная работа)
  Обработка текстов, рекуррентные нейронные сети, архитектура трансформера
• ПР 4 (Проверочная работа)
  Self-supervision, дистилляция, квантизация, прунинг, соревновательные атаки, генеративно-состязательные сети
• Экзамен
  Письменный, в аудитории, материалами пользоваться не разрешается, 2 часа

Interim Assessment

• 2024/2025 3rd module
  Итог = Округление(0.3 * БДЗ + 0.25 * МДЗ + 0.15 ПР + 0.3 * Э), где БДЗ — средняя оценка за все большие домашние задания, МДЗ — средняя оценка за все маленькие домашние задания, ПР — оценка за проверочные работы, Э — оценка за экзамен.

Bibliography

Recommended Core Bibliography

• Глубокое обучение, Гудфеллоу, Я., 2018

Recommended Additional Bibliography

• Christopher M. Bishop. (n.d.). Australian National University Pattern Recognition and Machine Learning. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.EBA0C705

Authors

• Sadrtdinov Ildus Rustemovich
• Кононова Елизавета Дмитриевна