3 дня
8 часов в день
В Сколтехе
или у заказчика
или у заказчика
«Глубинное обучение»
Научитесь использовать методы,
основанные на многослойных нейронных сетях
основанные на многослойных нейронных сетях
О курсе
Сколковский институт науки и технологий (Сколтех) предлагает обучающий курс
по глубинному обучению.
Цель курса — научить слушателей использовать методы нового поколения, основанные на многослойных нейронных сетях. Эти методы позволили радикально улучшить работу систем распознавания образов и значительно продвинуться в работе над искусственным интеллектом.
В начале курса мы рассмотрим основы глубинного обучения и машинного обучения в целом. Основной объем курса будет посвящен сверточным нейросетям и их применению в области компьютерного зрения. Также мы рассмотрим рекуррентные нейросети и то, как они применяются в задачах, связанных с обработкой естественного языка.
Курс имеет практическую направленность и содержит введение в программную библиотеку PyTorch, которая являюется наиболее гибкой и удобной библиотекой для глубинного обучения.
После прохождения курса слушатели смогут формулировать задачи анализа данных в промышленности и финансах, решать их, используя язык программирования Python, и оценивать качество получившегося решения.
по глубинному обучению.
Цель курса — научить слушателей использовать методы нового поколения, основанные на многослойных нейронных сетях. Эти методы позволили радикально улучшить работу систем распознавания образов и значительно продвинуться в работе над искусственным интеллектом.
В начале курса мы рассмотрим основы глубинного обучения и машинного обучения в целом. Основной объем курса будет посвящен сверточным нейросетям и их применению в области компьютерного зрения. Также мы рассмотрим рекуррентные нейросети и то, как они применяются в задачах, связанных с обработкой естественного языка.
Курс имеет практическую направленность и содержит введение в программную библиотеку PyTorch, которая являюется наиболее гибкой и удобной библиотекой для глубинного обучения.
После прохождения курса слушатели смогут формулировать задачи анализа данных в промышленности и финансах, решать их, используя язык программирования Python, и оценивать качество получившегося решения.
Особенности курса
Преподаватели
Преподаватели курса имеют значительный опыт решения задач в индустрии и преподавания глубинного обучения.
Гибкость
Курс может проводиться как на территории кампуса Сколковского института науки
и технологий, так и на площадке заказчика. Программа адаптируется под требования и задачи заказчика.
и технологий, так и на площадке заказчика. Программа адаптируется под требования и задачи заказчика.
Средства оценки качества
Программа курса включает домашние задания, финальный проект и контрольную работу
по итогам курса*.
*Компаниям-заказчикам рекомендуется выделить сотрудникам достаточно времени для полноценного прохождения курса и выполнения заданий.
по итогам курса*.
*Компаниям-заказчикам рекомендуется выделить сотрудникам достаточно времени для полноценного прохождения курса и выполнения заданий.
Интенсивность работы
Рекомендованная продолжительность программы — три дня, по 8 часов в день раз в неделю. Оптимальное количество слушателей — 10-20 человек.
Команда курса
Виктор Куликов
Основной лектор программы
Научный сотрудник в группе компьютерного зрения Сколтеха. Является соавтором 18 научных публикаций, 2 патентов и 8 авторских свидетельств на регистрацию программ. Выпускник ФИТ НГУ, кандидат технических наук. Текущие научные интересы включают разработку современных методов анализа изображений, основанных на глубинном обучении, для решения прикладных и фундаментальных задач биологии.
Научный сотрудник в группе компьютерного зрения Сколтеха. Является соавтором 18 научных публикаций, 2 патентов и 8 авторских свидетельств на регистрацию программ. Выпускник ФИТ НГУ, кандидат технических наук. Текущие научные интересы включают разработку современных методов анализа изображений, основанных на глубинном обучении, для решения прикладных и фундаментальных задач биологии.
Виктор Лемпицкий
Соавтор курса
Преподаватель Сколтеха. Возглавляет группу компьютерного зрения. Активно сотрудничает с исследователями компании «Яндекс» и Группы визуальной геометрии Оксфордского Университета, где работал в прошлом. Также работал в Microsoft Research в Кембридже (Великобритания). Выпускник мехмата МГУ, кандидат физико-математических наук. Область научных интересов — задачи компьютерного зрения, обработки и синтеза изображений, в том числе разработка методов глубинного обучения для решения этих задач. Автор статей, опубликованных на крупнейших конференциях по машинному обучению NIPS, ICML и компьютерному зрению CVPR.
Преподаватель Сколтеха. Возглавляет группу компьютерного зрения. Активно сотрудничает с исследователями компании «Яндекс» и Группы визуальной геометрии Оксфордского Университета, где работал в прошлом. Также работал в Microsoft Research в Кембридже (Великобритания). Выпускник мехмата МГУ, кандидат физико-математических наук. Область научных интересов — задачи компьютерного зрения, обработки и синтеза изображений, в том числе разработка методов глубинного обучения для решения этих задач. Автор статей, опубликованных на крупнейших конференциях по машинному обучению NIPS, ICML и компьютерному зрению CVPR.
Согласование программы с заказчиком
Задача Сколтеха — провести максимально эффективный курс, который поможет компании улучшить показатели в различных областях.
Программа может быть адаптирована под потребности конкретного заказчика.
Программа может быть адаптирована под потребности конкретного заказчика.
Учет уровня слушателей
Базовый курс разработан в расчете на участников с высшим образованием
и опытом программирования, однако программа может быть адаптирована под слушателей любого уровня подготовки с учетом запросов компании-заказчика.
и опытом программирования, однако программа может быть адаптирована под слушателей любого уровня подготовки с учетом запросов компании-заказчика.
Выбор общего уровня группы
Наиболее эффективны курсы, которые проводятся в группе с участниками схожего уровня подготовки. Курсы для сотрудников с гуманитарными и техническими функциями в компании могут быть проведены отдельно.
Адаптация содержания и вида программы
Программа курса может быть изменена после обсуждения целей заказчика. Продолжительность курса может быть увеличена или сокращена. Курс может проводиться в формате еженедельных занятий или в формате ежедневного интенсива. Во время курса может быть сделан упор на разбор практических задач анализа данных, возникающих в конкретной сфере.
Содержание курса
День 1: Основы глубинного обучения
1. Введение в глубинное обучение. Обучение представлений.
2. Минимизация эмпирического риска, стандартные функции потерь, линейные методы
3. Стохастическая оптимизация
4. Многослойные нейронные сети со скрытыми слоями. Метод обратного распространения ошибки. Методы регуляризации и нормализации.
2. Минимизация эмпирического риска, стандартные функции потерь, линейные методы
3. Стохастическая оптимизация
4. Многослойные нейронные сети со скрытыми слоями. Метод обратного распространения ошибки. Методы регуляризации и нормализации.
День 2: Компьютерное зрение
1. Сверточные нейронные сети CNN. Классификация изображений.
2. Архитектуры сверточных нейронных сетей, представления внутри CNNs: визуализация сетей/inceptionism, адаптация моделей
3. Другие задачи по обработке изображений с помощью многослойных нейронных сетей: задачи верификации, архитектуры сетей для выделения объектов, семантическая сегментация.
4. Генерация изображений с помощью нейронных сетей: генерирующие CNNs, состязающиеся нейронные сети.
2. Архитектуры сверточных нейронных сетей, представления внутри CNNs: визуализация сетей/inceptionism, адаптация моделей
3. Другие задачи по обработке изображений с помощью многослойных нейронных сетей: задачи верификации, архитектуры сетей для выделения объектов, семантическая сегментация.
4. Генерация изображений с помощью нейронных сетей: генерирующие CNNs, состязающиеся нейронные сети.
День 3: Обработка естественного языка
1. Вложения слов, word2vec и альтернативы, сверточные нейронные сети для обработки естественного языка.
2. Рекуррентные нейронные сети, глубинное обучение на последовательностях, многослойные RNN, LSTM, GRU, машинный перевод с использованием глубинного обучения.
2. Рекуррентные нейронные сети, глубинное обучение на последовательностях, многослойные RNN, LSTM, GRU, машинный перевод с использованием глубинного обучения.
Узнайте больше о курсе
Если вас заинтересовала возможность проведения курсов по глубинному обучению, пожалуйста, заполните форму по ссылке или напишите нам по адресу fedu@skoltech.ru
