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

Материал из Wiki - Факультет компьютерных наук
Перейти к навигации Перейти к поиску
Следующая правка →
Новая страница: «{{Карточка_командного_проекта |name=DaRiNa (Deep reinforced net) |company=Яндекс |mentor=Денис Симагин |mentor_login={{…»
 
Нет описания правки
Строка 1: Строка 1:
{{Карточка_командного_проекта
{{Карточка_проекта
|name=DaRiNa (Deep reinforced net)
|name=DaRiNa (Deep reinforced 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=3-4
|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 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.
 
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.
 
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.


Для того, чтобы попасть на проект, нужно пройти собеседование.
Для участия в проекте нужно пройти собеседование.


===Чему студент научится?===
===Чему студент научится?===
Работа в команде, проведение ревью, развертывание сервиса в облаке.
Чтение научных статей на английском
Современные модели работы с текстом, разработка на Python3.
Погружение в машинное обучение, сверточные нейронные сети
Плохим шуткам.
Обучение с подкреплением
Плохие шутки
===Какие начальные требования?===
===Какие начальные требования?===
Наличие хорошей машины с GPU (или аренда в облаке).
Машина с UNIX-подобной ОС и мощной видеокартой (возможно облачная)
Навыки в обучении больших моделей.
Знание Python 3, Git и работа с командной оболочкой
Уверенное владение Python3.
Хорошая математическая подготовка
Умение читать научные статьи на английском.
Английский
===Какие будут использоваться технологии?===
===Какие будут использоваться технологии?===
Python3, scipy stack, PyTorch.
Python3, scipy stack, PyTorch
AWS/Gсloud
AWS/Gсloud
Возможно MongoDB для базового поиска.
===Темы вводных занятий?===
Обучении с учителем
Линейные модели, градиентный спуск
Введение в нейронные сети
Сверточные сети
Обучение с подкреплением
===Направления развития?===
===Направления развития?===
Повышение качества модели.
DeepMind и Blizzard сделали 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]]

Версия от 11:18, 26 октября 2018

Ментор Денис Симагин
Учебный семестр Осень 2018
Учебный курс 3-4-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 Погружение в машинное обучение, сверточные нейронные сети 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 Хорошая математическая подготовка Английский

Какие будут использоваться технологии?

Python3, scipy stack, PyTorch AWS/Gсloud

Темы вводных занятий?

Обучении с учителем Линейные модели, градиентный спуск Введение в нейронные сети Сверточные сети Обучение с подкреплением

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=30350