Задание | Срок | Выполнили |
---|---|---|
Прорешать notebooks/First work.ipynb | 2.05 | |
Преобразовать First work.ipynb (First work_base_solution.ipynb ) в проект (требования под таблицей) | 2.05 | |
Прорешать notebooks/networks_intro.ipynb (появится к 24.03) | 2.05 | |
Имплементировать статью из списка | 16.05 |
Требования ко второму заданию:
- Проект должен содержать модули с необходимыми классами для обучения
- Проект должен содержать main скрипт, возможно, скрипты train, eval
- Должен быть реализован трекинг метрик с помощью tensorboard, wandb или другой либы
- Проект должен быть конфигурируемым с помощью hydra и т.п.
- Сам код проекта может быть скопирован из ноутбука, за исключением импортов, конфигурации
- Должен быть реалитзован main скрипт c запуском обучения. Оптимизатор, лосс, метрики и гиперпараметры должны получаться из конфигурации, остальное по желанию.
В этом курсе будут затронуты основы глубокого обучения и обучение на графах.
Оценка будет складываться из:
- Домашек по ходу курса
- Реализации статьи из списка (будет опубликован позже) или предложенной студентом.
- Пет-проекта и/или участия в соревновании
- Доклада Точную формулу я опубликую здесь позже, точно не обязательно будет выполнять все из перечисленного.
По плану занятий:
- 6-8 пар - мой рассказ и практика
- 2-3 пары - ваши рассказы
- 3 занятия - чисто практика
5/3 за каждую домашку + 5 за статью + 3 за доклад + 5 за проект - 5 за отсутствие статьи = А (c округлением вверх - максимум 10 баллов )
4 балла и ниже - незачет
Градация по оценкам на основе ваших результатов
- Открытый курс машинного обучения https://habr.com/ru/company/ods/blog/322626/ или https://mlcourse.ai/book/topic05/topic5_part3_feature_importance.html
- Глубокое обучение на пальцах https://dlcourse.ai/
- https://www.youtube.com/playlist?list=PLAqhIrjkxbuWI23v9cThsA9GvCAUhRvKZ
- Курсы Стэнфорда http://cs231n.stanford.edu/ и https://cs230.stanford.edu/
- Deep Learning School https://dls.samcs.ru/ru/pro-track