Darin (deep and reinforced intelligence net): различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к навигации Перейти к поиску
Новая страница: «{{Карточка_командного_проекта |name=DaRiNa (Deep reinforced net) |company=Яндекс |mentor=Денис Симагин |mentor_login={{…»
 
Нет описания правки
 
(не показано 7 промежуточных версий 2 участников)
Строка 1: Строка 1:
{{Карточка_командного_проекта
{{Карточка_проекта
|name=DaRiNa (Deep reinforced net)
|name=Darin (deep and reinforced intelligence net)
|company=Яндекс
|mentor=Денис Симагин
|mentor=Денис Симагин
|mentor_login={{URLENCODE:Simagin.denis|WIKI}}
|mentor_login={{URLENCODE:Simagin.denis|WIKI}}
|semester=Осень 2018
|semester=Осень 2018
|course=3-4
|course=2-3
|number_of_students=3-4
|number_of_students= до 10
|categorize=yes
|categorize=yes
}}
}}


===Что это за проект?===
===Что это за проект?===
Это исследовательский проект. Существует датасет SQuAD 2.0. Проблема заключается в том, чтобы прочитать параграф текста, а затем по вопросу сгенерировать ответ. Уже существует пачка научных статей, посвященных этой задаче. Наша цель заключается в том, чтобы изучить существующие методы, попробовать обучить собственную модель и на основе ее построить фактологический поиск по статьям Википедии.
Сочетание reinforcement learning и deep learning является горячей темой на сегодняшний день. К примеру, изучите статью [http://arxiv.org/pdf/1312.5602v1.pdf Playing atari with deep reinforcement learning]. Также вы, наверняка, слышали о AlpaGo, программе, которая впервые победила человека, профессионально играющего в Go. Подробнее об этом [https://storage.googleapis.com/deepmind-media/alphago/AlphaGoNaturePaper.pdf здесь]. Конечная цель перенести идеи статью [https://deepmind.com/blog/alphago-zero-learning-scratch/ AlphaGo Zero] на игру [https://en.wikipedia.org/wiki/Renju рендзю].


На первом этапе в качестве базового поиска можно использовать поисковую машину Яндекса. Однако один из студентов может взять на себя также и задачу базового поиска. В качестве демонстрации проделанной работы предлагаю сделать специальный навык для Алисы (это значит, что сервис должен отвечать онлайн), по сути поднять собственный сервис на одной из облачных платформ.
Для участия в проекте нужно пройти собеседование.


Команда Яндекса любезно согласилась нам предоставить разметку для реальных фактологических запросов к Алисе. А студенты, которые покажут лучшие результаты, смогут пройти летнюю стажировку и сделать вклад в Алису, внедрив своё решение.
===Чему студент научится?===
* Чтение научных статей на английском
* Работе с глубокими нейронными сетями
* Обучение с подкреплением
* Плохие шутки


Для того, чтобы попасть на проект, нужно пройти собеседование.
===Какие начальные требования?===
* Машина с UNIX-подобной ОС и мощной видеокартой (возможно облачная)
* Знание Python 3
* Git и работа с командной оболочкой
* Английский


===Чему студент научится?===
Работа в команде, проведение ревью, развертывание сервиса в облаке.
Современные модели работы с текстом, разработка на Python3.
Плохим шуткам.
===Какие начальные требования?===
Наличие хорошей машины с GPU (или аренда в облаке).
Навыки в обучении больших моделей.
Уверенное владение Python3.
Умение читать научные статьи на английском.
===Какие будут использоваться технологии?===
===Какие будут использоваться технологии?===
Python3, scipy stack, PyTorch.
* Python3
AWS/Gсloud
* Scipy stack
Возможно MongoDB для базового поиска.
* PyTorch (возможно, Tensorflow)
* AWS/GCloud
 
===Темы вводных занятий?===
* Обучении с учителем
* Линейные модели, градиентный спуск
* Введение в нейронные сети
* Сверточные сети
* Обучение с подкреплением
* Разбор базовых статей
 
===Направления развития?===
===Направления развития?===
Повышение качества модели.
DeepMind и Blizzard сделали [https://deepmind.com/blog/deepmind-and-blizzard-open-starcraft-ii-ai-research-environment/ песочницу] для StarCraft II, поле для исследований просто безгранично.
Расширение базы документов.
 
Ускорение работы.
===Критерии оценки?===
===Критерии оценки?===
Оценка команды будет зависеть от конечного качества модели, в качестве базы возьмем текущее качество фактологических ответов Алисы.
В конце проекта проводится турнир между алгоритмами, на основе которого и выставляются оценки.
 
Персональные оценки выставляются на основе личного вклада студента (может быть выше, чем оценка команда).
 
===Контакты===
[[Участник:Simagin.denis|Денис Симагин]]

Текущая версия от 16:36, 4 ноября 2018

Ментор Денис Симагин
Учебный семестр Осень 2018
Учебный курс 2-3-й курс
Максимальное количество студентов, выбравших проект: до 10



Что это за проект?

Сочетание reinforcement learning и deep learning является горячей темой на сегодняшний день. К примеру, изучите статью Playing atari with deep reinforcement learning. Также вы, наверняка, слышали о AlpaGo, программе, которая впервые победила человека, профессионально играющего в Go. Подробнее об этом здесь. Конечная цель перенести идеи статью AlphaGo Zero на игру рендзю.

Для участия в проекте нужно пройти собеседование.

Чему студент научится?

  • Чтение научных статей на английском
  • Работе с глубокими нейронными сетями
  • Обучение с подкреплением
  • Плохие шутки

Какие начальные требования?

  • Машина с UNIX-подобной ОС и мощной видеокартой (возможно облачная)
  • Знание Python 3
  • Git и работа с командной оболочкой
  • Английский

Какие будут использоваться технологии?

  • Python3
  • Scipy stack
  • PyTorch (возможно, Tensorflow)
  • AWS/GCloud

Темы вводных занятий?

  • Обучении с учителем
  • Линейные модели, градиентный спуск
  • Введение в нейронные сети
  • Сверточные сети
  • Обучение с подкреплением
  • Разбор базовых статей

Направления развития?

DeepMind и Blizzard сделали песочницу для StarCraft II, поле для исследований просто безгранично.

Критерии оценки?

В конце проекта проводится турнир между алгоритмами, на основе которого и выставляются оценки.

Источник — https://wiki.cs.hse.ru/index.php?title=Darin_(deep_and_reinforced_intelligence_net)&oldid=30563