Этот курс дает представление о современном положении дел в теории нейросетей. Рассмотрены полносвязные и сверточные нейросети на примерах задач классификации и поиска объектов на изображениях. Отдельное внимание уделяется алгоритмам обучения и настройке собственного проекта. Примеры, использованные в курсе, написаны на python с использованием numpy и TensorFlow.
| Date and time | Class|Name | Venue|short | Materials |
|---|---|---|---|
| 14 March 11:50–13:20 |
Введение. Биология и математика в нейросетях. Экскурс в историю., Lecture | 2-й учебный корпус К(П)ФУ, ауд. 1011 | slides |
| 14 March 13:40–15:10 |
Обучение нейросетей, Lecture | 2-й учебный корпус К(П)ФУ, ауд. 1011 | slides |
| 15 March 11:50–13:20 |
Гиперпараметры сетей. Алгоритмы обучения. Почему Видеокарты? Обзор фреймворков., Lecture | 2-й учебный корпус К(П)ФУ, ауд. 1011 | slides, files |
| 15 March 13:40–15:10 |
Полносвязные нейросети. Сверточные нейросети, Lecture | 2-й учебный корпус К(П)ФУ, ауд. 1011 | slides |
| 16 March 13:20–15:10 |
Окружение проекта на примере DetectNet. Поиск объектов на изображении, Lecture | 2-й учебный корпус К(П)ФУ, ауд. 1011 | slides |
| 16 March 15:20–16:50 |
Сегментация и генерация изображений, Lecture | 2-й учебный корпус К(П)ФУ, ауд. 1011 | files |
