dmitrymyl / dlschool

Официальный репозиторий курса Deep Learning (2018-2019) от Deep Learning School при ФПМИ МФТИ

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. Пркатика 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.