Глубинное обучение КНАД 2026/27

Материал из Wiki - Факультет компьютерных наук
Версия от 21:33, 13 сентября 2026; Ekononova (обсуждение | вклад) (init)
(разн.) ← Предыдущая версия | Текущая версия (разн.) | Следующая версия → (разн.)
Перейти к навигации Перейти к поиску

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

  • 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

Преподаватели
Дарья Андреева
Глеб Панин
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 на гите