Ekononova: тг

2026-09-13T21:35:28Z

тг

← Предыдущая версия		Версия от 21:35, 13 сентября 2026
Строка 11:		Строка 11:
	== Полезные ссылки ==		== Полезные ссылки ==

	* Общий чат курса в telegram: https://t.me/+~~xXrYwaMIgDlmNTcy~~		* Общий чат курса в telegram: https://t.me/ +mSCArWZSDNVmMGQy

	* Github курса: https://github.com/xufana/dl-knad-course/tree/main		* Github курса: https://github.com/xufana/dl-knad-course/tree/main

Ekononova: init

2026-09-13T21:33:04Z

init

Новая страница

== О курсе ==

Пройдём обзорный курс по основам глубинного обучения: основные архитектуры, их модификации и применение к некоторым областям: компьютерному зрению, обработке текста, временным рядам, звуку, и другим.

== Расписание ==

'''Лекция:''' Вторник 16:20.

'''Семинары:''' Вторник 18:10.

== Полезные ссылки ==

* Общий чат курса в telegram: https://t.me/+xXrYwaMIgDlmNTcy

* Github курса: https://github.com/xufana/dl-knad-course/tree/main

* Таблица с оценками: TBA

== Темы курса ==

(могут слегка варьироваться в дальнейшем в соответствие с запросами аудитории и техническим прогрессом в течение семестра)

1. Метод обратного распространения ошибки, полносвязные нейронные сети

2. Функции потерь, Dropout, Batch Normalization

3. Оптимизация нейронных сетей + практика обучения (schedulers, warmup, AMP, grad clipping / accumulation)

4. Операция свертки

5. Сверточные архитектуры

6. Задачи компьютерного зрения: сегментация, детекция, классификация

7. Последовательности I: RNN / LSTM / GRU полноценно, BPTT; примеры — временные ряды и текст. Временные ряды обзорно: в чём сложность, почему выделяем в отдельный тип данных

8. Последовательности II: звук — спектрограммы, 1D-свертки vs RNN, CTC (ASR обзорно), связь с временными рядами (WaveNet / TCN)

9. Эмбеддинги и токенизация как общий принцип (текст, аудио-токены, категориальные признаки) + attention как идея

10. Архитектура трансформера (ест любые последовательности: текст, патчи, аудио, ряды). Sampling / temperature. BERT.

11. Vision Transformer + transfer learning / fine-tuning как практика общего назначения

12. GAN + соревновательные атаки

13. Разные модальности: мультимодальные модели и их обучение

14. Индустриальный интенсив

== Преподаватели ==

{| class="wikitable"
|-
! Преподаватели
|-
| [https://t.me/Xufana Дарья Андреева]
|-
| [https://t.me/GotliebPt Глеб Панин]
|-
| [https://t.me/starminalush Анастасия Изюмова]
|-
|}

== Формула оценок ==

''Итог'' = 0,5*О_проект + 0,35*О_коллок + 0,15*О_квизы

'''Формат экзамена''': защита проекта (блокирующая).

== Коллоквиум ==

TBA

== Проект ==

'''Формат:''' воспроизведение научной статьи + улучшение или исправление найденных недочётов

'''Группа:''' 2–4 человека. Тема: уникальна для группы, выбирается самостоятельно из списка ниже, либо может быть предложена группой по собственной инициативе, но необходимо согласование с преподавателями.

Остальные подробности [https://github.com/xufana/dl-knad-course/blob/main/project.md на гите]

Глубинное обучение КНАД 2026/27 - История изменений

Ekononova: тг

Ekononova: init