Порождающие модели (теория и практика, Р.В. Исаченко, В.В. Стрижов)/Группа 674, осень 2020
Материал из MachineLearning.
(Различия между версиями)
Строка 10: | Строка 10: | ||
| 02.09 | | 02.09 | ||
| Logistics. Motivation. Autoregressive models (MADE, WaveNet, PicelCNN). | | Logistics. Motivation. Autoregressive models (MADE, WaveNet, PicelCNN). | ||
- | | [ | + | | [https://github.com/r-isachenko/2020-DGM-course/blob/master/lectures/lecture1/Isachenko2020DeepGenerativeModels1.pdf slides] |
| [https://youtu.be/Vvmlg5JYdVQ video] | | [https://youtu.be/Vvmlg5JYdVQ video] | ||
<!-- Конец занятия --> | <!-- Конец занятия --> | ||
Строка 17: | Строка 17: | ||
| 09.09 | | 09.09 | ||
| Bayesian framework. Latent variable models. EM-algorithm. | | Bayesian framework. Latent variable models. EM-algorithm. | ||
- | | [ | + | | [https://github.com/r-isachenko/2020-DGM-course/blob/master/lectures/lecture2/Isachenko2020DeepGenerativeModels2.pdf slides] |
| [https://youtu.be/IXVoKY92u1k video] | | [https://youtu.be/IXVoKY92u1k video] | ||
+ | <!-- Конец занятия --> | ||
+ | |- <!-- Новое занятие --> | ||
+ | | lecture 3 | ||
+ | | 16.09 | ||
+ | | EM-algorithm. VAE. Mean field approximation. | ||
+ | | [https://github.com/r-isachenko/2020-DGM-course/blob/master/lectures/lecture3/Isachenko2020DeepGenerativeModels3.pdf slides] | ||
+ | | [https://youtu.be/y1csC6gkmxU video] | ||
<!-- Конец занятия --> | <!-- Конец занятия --> | ||
Версия 09:09, 16 сентября 2020
Программа курса
№ | Дата | Тема | Слайды | Видео |
---|---|---|---|---|
lecture 1 | 02.09 | Logistics. Motivation. Autoregressive models (MADE, WaveNet, PicelCNN). | slides | video |
lecture 2 | 09.09 | Bayesian framework. Latent variable models. EM-algorithm. | slides | video |
lecture 3 | 16.09 | EM-algorithm. VAE. Mean field approximation. | slides | video |
Домашние задания
№ | Тема | Ссылка | Дедлайн |
---|---|---|---|
homework 1 | Autoregressive models. | link | 28.09 |
Полезные ссылки
Короткая ссылка на страницу: https://bit.ly/3i3N4G0
Видеолекции: link
Отзывы о курсе: link
Репозиторий курса на github: link