• A
  • A
  • A
  • ABC
  • ABC
  • ABC
  • А
  • А
  • А
  • А
  • А
Regular version of the site

Deep Learning

2023/2024
Academic Year
RUS
Instruction in Russian
6
ECTS credits
Delivered at:
Joint Department with Sberbank ‘Financial Technologies and Data Analysis’
Course type:
Compulsory course
When:
1 year, 3, 4 module

Instructors


Кленицкий Антон Николаевич


Тарасов Дмитрий Юрьевич

Программа дисциплины

Аннотация

Нейронные сети стали привычным инструментом для решения ряда задач (распознавание образов, обработка речи, автоматический перевод и множества других). В курсе будут разобраны теоретические и практические аспекты использования нейронных сетей.
Цель освоения дисциплины

Цель освоения дисциплины

  • Овладеть теоретическими основами нейронных сетей
  • Освоить пакет Pytorch
  • Научиться решать прикладные задачи с помощью нейронных сетей
Планируемые результаты обучения

Планируемые результаты обучения

  • Провести ряд экспериментов
  • Проанализировать результаты
  • Владеть теоретическими основами нейронных сетей
  • Знать пакет Pytorch
  • Уметь решать прикладные задачи с помощью нейронных сетей
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Введение в глубинное обучение
  • Обучение нейронных сетей. Алгоритм обратного распространения ошибки
  • Функции активации. Инициализация весов
  • Оптимизация. Регуляризация
  • Сверточные нейронные сети
  • Рекуррентные нейронные сети
  • Механизм внимания, трансформеры
  • Глубинное обучение и Computer Vision
  • Глубинное обучение и Natural Language
  • Processing
  • Генеративные модели
Элементы контроля

Элементы контроля

  • неблокирующий Домашнее задание “Weight-init”
  • неблокирующий Домашнее задание “Activations”
  • неблокирующий Домашнее задание “Optimization”
  • неблокирующий Домашнее задание “Batchnorm”
  • неблокирующий Домашнее задание “Dropout”
  • неблокирующий Домашнее задание “Pytorch-basics”
  • неблокирующий Домашнее задание “Letters”
  • неблокирующий Домашнее задание “RNN Attention”
  • неблокирующий Домашнее задание “Transformer Attention”
  • неблокирующий Домашнее задание “VAE”
  • неблокирующий Домашнее задание “Diffusion”
Промежуточная аттестация

Промежуточная аттестация

  • 2023/2024 учебный год 4 модуль
    0.05 * Домашнее задание “Activations” + 0.05 * Домашнее задание “Batchnorm” + 0.1 * Домашнее задание “Diffusion” + 0.05 * Домашнее задание “Dropout” + 0.2 * Домашнее задание “Letters” + 0.1 * Домашнее задание “Optimization” + 0.1 * Домашнее задание “Pytorch-basics” + 0.1 * Домашнее задание “RNN Attention” + 0.1 * Домашнее задание “Transformer Attention” + 0.1 * Домашнее задание “VAE” + 0.05 * Домашнее задание “Weight-init”
Список литературы

Список литературы

Рекомендуемая основная литература

  • Глубокое обучение : погружение в мир нейронных сетей, Николенко, С., 2018
  • Гудфеллоу, Я. Глубокое обучение / Я. Гудфеллоу, И. Бенджио, А. Курвилль , перевод с английского А. А. Слинкина. — 2-е изд. — Москва : ДМК Пресс, 2018. — 652 с. — ISBN 978-5-97060-618-6. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/107901 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

  • Deep learning, Kelleher, J. D., 2019

Авторы

  • Яковлева Илона Александровна