Нейронные сети

Практика для курса по нейронным сетям.
Адрес почты для вопросов по курсу ailabintsev@fa.ru
Слайды к лекциям можно найти здесь.
Рекомендованый учебник по гиту.
Нерекомендованный учебник по гиту.
Учебник по машинному обучению от ШАД раздел 5 и далее.
Результаты первого семинара здесь.
Результаты второго семинара здесь.

Начало работы

В первую очередь необходимо завести на github собственный аккаунт и сделать себе форк репозитория.
Ссылку на свой репозиторий присылайте мне на почту, чтобы я мог оценить Вашу работу.
Затем клонируйте свой репозиторий на локальную машину.

git clone https://github.com/yourname/neuralnets.git
cd neuralnets

Далее нужно настроить виртуальное окружение, если Ваша IDE не сделает это автоматически.

Ubuntu, Mac:

python -m venv venv
source venv/bin/activate

Windows:

python -m venv venv
venv/Scripts/activate.bat

Установка зависимостей:

pip install -r requirements.txt

Решение задач заключается в реализации функций в файлах seminar*.py
В файлах test*.py находятся тесты, редактировать эти файлы НЕЛЬЗЯ.

За каждый пройденный TestCase начисляется один балл. На каждую задачу приходится несколько тестов. Количество тестов больше, чем количество задач, поэтому будьте внимательны. Правильность решения проверяется тестированием unittest

python -m unittest discover -v -s src

Срок сдачи каждого задания - до начала следующего занятия. На каждом следующем занятии будем разбирать решение предыдущего. Для каждого файла seminar*.py срок выполнения определяется по Вашему последнему коммиту в этот файл. Если Вы модифицируете файл после разбора решения на следующем занятии, количество баллов делится на 2.

Прочие материалы

• Статья на Хабре погружение в свёрточные нейронные сети.

• Плейлист с разбором разных тем

План практических занятий

1. Настройка рабочего окружения, разминка с numpy
2. Обучение Softmax классификатора
3. Многослойный персептрон
4. Продвинутые техники обучения нейросетей
5. Сверточные сети
6. Машинное зрение
7. Рекуррентные сети
8. Обработка текстов NLP