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. Практика 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.

15. Базовые методы обработки текста.

16. Word Embedding

17. Рекуррентные нейронные сети.

18. LSTM, GRU

19. Языковые модели.

20. Машинный перевод.

21. Text2Speech.

22. Superresolution.