Нейросетевые методы обработки изображений (В.В.Китов)
Материал из MachineLearning.
(→О курсе) |
|||
| (1 промежуточная версия не показана) | |||
| Строка 1: | Строка 1: | ||
__NOTOC__ | __NOTOC__ | ||
[[Категория:Учебные курсы]] | [[Категория:Учебные курсы]] | ||
| - | |||
| - | |||
==О курсе== | ==О курсе== | ||
| Строка 35: | Строка 33: | ||
* Задача переноса стиля и её практическая реализация. | * Задача переноса стиля и её практическая реализация. | ||
* Генеративно-состязательные сети. | * Генеративно-состязательные сети. | ||
| - | * | + | * Рекуррентные сети, трансформеры, обработка текстов. |
==Практикум== | ==Практикум== | ||
| Строка 48: | Строка 46: | ||
==Время занятий== | ==Время занятий== | ||
| - | По понедельникам | + | По понедельникам 18:00 - 19:30 (можем немного позже заканчивать), ауд. 658. |
| - | Первое занятие - | + | Первое занятие - 16.02.2026. |
==Рекомендуемые ресурсы== | ==Рекомендуемые ресурсы== | ||
Текущая версия
О курсе
Спецкурс познакомит слушателей с нейросетями, методами их обучения и регуляризации, задачами обработки изображений, последовательностей и текстов. Будут изучены как задачи классификации и регрессии, так и генеративные модели порождения новых изображений и текстов.
Изложение будет вестись с самых основ, поэтому спецкурс подойдет бакалаврам 2 и 3 курса. Бакалаврам 4 курса спецкурс будет интересен тем, что в нём особый акцент будет сделан на практическую реализацию нейросетей.
В частности, будут практические семинары на Python+PyTorch по сравнению методов оптимизации и регуляризации нейросетей, классификации/локализации/стилизации и генерации изображений. Применим продвинутые архитектуры для распознавания пользовательских действий по данным акселерометров, создадим систему автодополнения поисковых запросов и развернём чат-бота локально на компьютере.
Лектор
Виктор Владимирович Китов, к.ф.-м.н., преподаватель кафедры математических методов прогнозирования ВМК МГУ.
Почта: v.v.kitov(at)yandex.ru.
Требования к слушателям
Необходимы базовые знания по математическому анализу, линейной алгебре и теории вероятностей. Предварительных знаний по нейронным сетям и методам обработки изображений не требуется.
Программа курса
- Введение в глубокое обучение.
- Многослойный персептрон. Основные функции активации и функции потерь.
- Автокодировщик.
- Работа в среде Jupyter Lab, Jupyter Notebook. Средства отладки кода.
- Методы оптимизации нейросетей.
- Основы работы с PyTorch, автоматическое дифференцирование, реализация простейших нейросетей.
- Операции свёртки и пулинга. Свёрточные нейросети для обработки текстов и изображений.
- Основные свёрточные архитектуры для классификации изображений.
- Реализация свёрточных сетей и использование предобученных сетей в PyTorch.
- Сегментация изображений.
- Реализация задачи супер-разрешения (super-resolution) и сиамских сетей в PyTorch.
- Задача переноса стиля и её практическая реализация.
- Генеративно-состязательные сети.
- Рекуррентные сети, трансформеры, обработка текстов.
Практикум
В рамках практикума необходимо реализовать улучшенния базовых архитектур, разобранных на практических семинарах. От студентов второго курса дополнительно требуется сделать презентацию научной статьи.
Прохождение спецкурса
Для успешной сдачи спецкурса необходимо сдать практикум и устный экзамен.
Регистрация на курс
Регистрация на курс происходит на самом спецкурсе по факту посещения, дополнительные действия не требуются.
Время занятий
По понедельникам 18:00 - 19:30 (можем немного позже заканчивать), ауд. 658.
Первое занятие - 16.02.2026.
