Kurs: Глибинне навчання

Themen dieses Kurses

Allgemeines
Allgemeines
Лекційні заняття: доцент кафедри програмної інженерії Кудін Олексій Володимирович
e-mail: alexkudin@znu.edu.ua
Join Zoom Meeting

https://us04web.zoom.us/j/9971262369?pwd=KbnZh7gVBfvt9ukRYJuiYTeohyuLVj.1

Meeting ID: 997 126 2369

Passcode: KdNF4T

Викл. Кривий Ярослав Вячеславович
Навчальна лабораторія інформаційного забезпечення освітнього процесу, IV корпус, ауд. 218
Лабораторні заняття
e-mail: krivoy.znu@gmail.com
Тел.: 097-68-06-720
Інші засоби зв'язку: Viber, Telegram, Moodle (приватні повідомлення)
Google Meet: https://meet.google.com/nfq-yytn-tjn

У курсі будуть розглянуті основн глибинних нейронних мереж та типові задачі.
1. Обробка текстових даних. Векторизація текстів.
2. Згорткові нейронні мережі. Застосування згорткових нейронних мереж у задачах класифікації текстів.
3. Рекурентні нейронні мережі. Застосування рекурентних нейронних мереж у моделювання послідовностей. Довга короткочасна пам'ять (LSTM-мережі).
4. Використання GPU та TPU
Змістовий модуль 1. Попередня обробка тексту
Змістовий модуль 1. Попередня обробка тексту
Для виконання лабораторних робіт слід використовувати онлайн сервіс Google Colab (https://colab.research.google.com/), який дозволяє використовувати ресурси віддаленого сервера для створення і виконання Python скриптів та є стандартним інструментом для колективної роботи та побудови швидких рішень.
Початкові відомості з Colab (https://ru.it-brain.online/tutorial/google_colab/your_first_colab_notebook/)
В якості звіту з лабораторної роботи подається посилання на проєкт (з налаштуванням доступу для редагування) у відповідну категорію.
Назва проєкту (блокноту): Prizvishe_lab1
Змістовий модуль 2. Методи векторизації тексту
Dieser Abschnitt
Змістовий модуль 2. Методи векторизації тексту
- Презентація №2. Методи векторизації тексту Link/URL
- Лабораторна робота №2. Методи векторизації тексту Aufgabe
  https://docs.google.com/document/d/1Mtep_J-WGITW2TtHUcOKB_kutPTHN9Cty5vrIW2ZzkI/edit?usp=sharing
Змістовий модуль 3. CNN, LSTM, ConvLSTM мережі та класифікація текстів
Змістовий модуль 3. CNN, LSTM, ConvLSTM мережі та класифікація текстів
- Презентація №3. Згорткові нейронні мережі Link/URL
- Лабораторна робота №3. CNN мережі та класифікація текстів Aufgabe
  https://docs.google.com/document/d/1t8jKrxyzSkErwWjLD4zVB5xdK_277wo-SVWGLWGJkas/edit?usp=sharing
Змістовий модуль 4. LSTM мережі для прогнозування часових рядів
Змістовий модуль 4. LSTM мережі для прогнозування часових рядів
- Презентація №4. LSTM мережі для прогнозування часових рядів Link/URL
- Лабораторна робота №4. LSTM мережі для прогнозування часових рядів Aufgabe
  https://docs.google.com/document/d/183E59kO09pnGL9UCLmsJAlLO7wWczlT98z_S6Rp096U/edit?usp=sharing
Змістовий модуль 5. Стекування декількох мереж. Гібридні системи прогнозу
Змістовий модуль 5. Стекування декількох мереж. Гібридні системи прогнозу
Змістовий модуль 6. Гіперпараметри, які впливають на якість тренування
Змістовий модуль 6. Гіперпараметри, які впливають на якість тренування
- Презентація. Гіперпараметри навчання Link/URL
Змістовий модуль 7. Архітектура Трансформер
Змістовий модуль 7. Архітектура Трансформер
- Лабораторна робота №6. Налаштування гіперпараметрів Aufgabe
Змістовий модуль 8. Практики MLOps
Змістовий модуль 8. Практики MLOps
- Презентація. Практики MLOps Link/URL
Екзамен
Екзамен
- Екзамен Test
- Екзамен Aufgabe