Курс "Практикум на ЭВМ 2021/2022" для бакалавров 3 курса кафедры ММП ВМК МГУ, весенний семестр

Этот репозиторий содержит материалы к курсу "Практикум на ЭВМ", читаемому бакалаврам 3 курса кафедры ММП факультета ВМК МГУ в весеннем семестре 2022 года.

О курсе

• Обязательный курс для студентов каф. ММП 3 курса, 6 семестр
• Отчётность: зачёт с оценкой

Курс читается в поддержку курсов "Глубинное обучение" и "Математические методы распознавания образов" (машинное обучение, часть 2), читаемых на кафедре ММП. В ходе курса студенты выполняют различные практические задания.

Курс лекций по глубинному обучению

Общефакультетский курс лекций по машинному обучению

Курс лекций по машинному обучению

Курс семинаров по машинному обучению

Материалы

Видеозаписи практикумов выкладываются в этом плейлисте. Видеозаписи практикумов прошлого года в этом плейлисте.

Задания выкладываются здесь.

Занятия

Дата	Номер	Тема	Материалы	ДЗ
09 февраля	1	Введение в нейросети MLP Инициализация сетей	Введение в нейросети. MLP. Инициализация сетей	¯\_(ツ)_/¯
16 февраля	2	Автоматическое дифференцирование Задачи Backpropagation	Решение задач	Полносвязная нейронная сеть на numpy
02 марта	3	Dropout BatchNorm Введение в PyTorch	PyTorch	¯\_(ツ)_/¯
09 марта	4	Свёртки Свёрточные сети в Pytorch Сегментация	Свёртки. Свёрточные сети в Pytorch. Сегментация	¯\_(ツ)_/¯
16 марта	5	Свёрточные сети в Pytorch Сегментация	FCN	Сегментация изображений
23 марта	6	RNN Языковые модели	RNN. Language models	¯\_(ツ)_/¯
30 марта	7	RNN Transformers	RNN. Transformers	RNN. Dropout in RNN. Language models
06 апреля	8	HDFS Hadoop	HDFS. Hadoop	¯\_(ツ)_/¯
13 апреля	9	MapReduce Hadoop Streaming	MapReduce	HDFS. MapReduce умножение матриц
21 апреля	10	MapReduce Workflow MapReduce 1.0	...	¯\_(ツ)_/¯
30 апреля	11	YARN Типичные MapReduce задачи	...	MapReduce коллаборативная фильтрация
23 мая	12	Spark	…	¯\_(ツ)_/¯

Формат сдачи курса

• В рамках семестра предполагается выполнить четыре больших практических заданий стоимостью 10 баллов каждое и одно практическое задание стоимостью 5 баллов.
• За каждый день просрочки задания назначается штраф — 1 балл.
• B_fall — баллы за осенний семестр, B_fall,max = 230 — максимальное число баллов за осенний семестр.
• B_spring — баллы за весенний семестр, B_spring,max = 45 — максимальное число баллов за весенний семестр.
• B = 3^B_fall⁄_Bfall,max + 7^B_spring⁄_Bspring,max — баллы за годовой курс.
  • B ≥ 8 и 5 практических заданий сданы на оценку ≥ 4 ⇒ отлично
  • B ≥ 6 и 4 практических задания сданы на оценку ≥ 4 ⇒ хорошо
  • B ≥ 4 и 3 практических задания сданы на оценку ≥ 4 ⇒ удовлетворительно
  • иначе ⇒ неудовлетворительно ​
• При определении числа зачтённых заданий рассматриваются только задания весеннего семестра. Штраф за просрочку при этом не учитывается.