В первом блоке установим требуемое ПО, поговорим о том, как устроены нейросети, какие они решают задачи, познакомимся с языком программирования Python и с такими математическими объектами как вектор и матрица.
Видео с процессом установки anaconda
Ссылка на страницу установки anaconda
Видео-лекция об устройстве нейросетей
Видео-лекция об основах языка программирования Python. В данном видео мы поговорим об основновных примитивах: переменные, функции, циклы. Вряд ли вы будете свободно себя чувствовать в Python после просмотра одной лекции, поэтому настоятельно рекомендуем пройти курс на stepik, хотя бы его часть.
Тетрадка с материалом к лекции: 01_Python.ipynb
Практика: homework/01_Python_hw.ipynb
Ссылка на форму для ответов
Видео-лекция о векторах, матрицах и операциях над ними
Практика: homework/01_Vector_Matrix_hw.ipynb
Ссылка на форму для ответов
В данном блоке подробно изучим библиотеку Numpy. Данная библиотека столь многогранна, что пришлось разбить блок на две лекции и, соответственно, на два домашних задания. Видео-лекций в этом блоке не будет, но будут подробные тетрадки.
Теория: 02_Numpy.ipynb
Практика: homework/02_Numpy_hw.ipynb
Ссылка на форму для ответов
В данной теме нам понадобится дополнительно установить библиотеку OpenCV. Как вы уже знаете, дополнительные пакеты устанавливаются с помощью анаконды. Чтобы установить OpenCV, откройте консольное приложение Anaconda Prompt на своем компьютере (найдите в поиске приложений) и выполните 2 команды установки по-очереди:
pip install opencv-contrib-python
pip install dlib
Теория: 02_Numpy_Images.ipynb
Практика: homework/02_Numpy_Image_hw.ipynb
Ссылка на форму для ответов
В этом блоке углубимся в математику и поговорим об определении функции, предела и производной.
Видео-лекция "Функция & Предел Функции"
Практика: homework/03_Function_Limit_hw.ipynb
Ссылка на форму для ответов
Видео-лекция "Производная"
Практика: homework/03_Derivative_hw.ipynb
Ссылка на форму для ответов
Финальный блок нашего курса! Поговорим о дифференцировании матриц и векторов (то есть о поиске градиентов) и реализуем нейросеть, которая будет классифицировать рукописные цифры без помощи фреймворков (PyTorch, TensorFLow).
Видео-лекция "Градиент. Полносвязная нейросеть"
Практика: homework/04_FCNN_hw.ipynb
FCNN - означает Fully-Connected Neural Network (полносвязная нейросеть)
Формы для ответов не будет! В этой домашней работе вы проверите себя самостоятельно и поделитесь результатом. Всем у кого обучится нейросеть будет присуждено 20 баллов!