Samsung открывает бесплатный онлайн-курс по нейросетям в задачах компьютерного зрения

    Вы пока не разбираетесь, почему ReLU лучше сигмоиды, чем отличается Rprop от RMSprop, зачем нормализировать сигналы и что такое skip connection? Зачем нейронной сети нужен граф, и какую он совершил ошибку, что она распространяется обратно? У вас есть проект с компьютерным зрением или, может быть, делаете межгалактического робота для борьбы с грязными тарелками, и хотите, чтобы он мог сам решать, отмывать или и так сойдет?

    Мы запускаем открытый курс «Нейронные сети и компьютерное зрение», который адресован тем, кто в этой области делает первые шаги. Курс разработан экспертами Samsung Research Russia: Исследовательского центра Samsung и Центра искусственного интеллекта Samsung в Москве. Сильные стороны курса:

    • авторы курса знают, о чем говорят: это инженеры московского Центра искусственного интеллекта Samsung, Михаил Романов и Игорь Слинько;
    • есть как теория с задачками, так и практика на PyTorch
    • приступаем к практике сразу после освоения минимальных теоретических знаний.
    • лучшие студенты будут приглашены на собеседование в Samsung Research Russia!



    Этот курс открылся 1 июня – первый в серии бесплатных онлайн-курсов от Samsung на платформе Stepik. Предпочтение было отдано именно российской платформе – это позволит предоставить больше возможностей для русскоязычной аудитории. Курсы преимущественно будут посвящены области Machine Learning (ML). Выбор неслучаен: в мае 2018 года в Москве открылся Центр искусственного интеллекта Samsung, где работают такие научные звезды ML, как Виктор Лемпицкий (самый цитируемый ученый России в категории Computer Science), Дмитрий Ветров, Антон Конушин, Сергей Николенко и многие другие.

    Итак, за 6 недель видеолекций и практических заданий, занимаясь по 3-5 часов в неделю, вы сумеете разобраться, как решать базовые задачи машинного зрения, а также приобретете необходимую теоретическую подготовку для дальнейшего самостоятельного изучения области.

    Предполагается два режима прохождения курса: базовый и продвинутый. В первом случае достаточно смотреть лекции, отвечать на вопросы по лекциям и решать семинары. Во втором случае потребуется решить теоретические задачи, в которых нужно будет применить достаточно обширные знания из математики 1-2 курсов технического университета.

    В курсе последовательно излагается терминология и принципы построения нейросетей, рассказывается о современных задачах, методах оптимизации, функциях потерь и об основных архитектурах нейронных сетей. И в завершение обучения — решение наглядной прикладной задачи по компьютерному зрению.

    Преподаватели курса


    Михаил Романов

    Выпускник МФТИ. Закончил Школу анализа данных Яндекса. Получил степень PhD в Technical University of Denmark.

    Сотрудник московского Центра ИИ Samsung. Михаил занимается задачами машинного зрения для роботов и любит преподавать. У него есть много идей и тем для дальнейших курсов. Один из выпускников AI Bootcamp 2018, проходившего на базе Центра искусственного интеллекта Samsung, в выходной анкете на вопрос оценить Михаила в 5-балльной шкале как преподавателя, написал: «жаль, что нет оценки шесть!».


    Игорь Слинько

    Выпускник МФТИ. Закончил Школу анализа данных Яндекса. Сотрудник московского Центра ИИ Samsung. Игорь также занимается задачами машинного зрения для роботов, преподает Machine Learning в Высшей школе экономики. В прошлом и в этом году он лектор-волонтер мастерской «Deep Learning» социально-образовательного проекта Летняя школа, организованной при партнерстве Samsung Research Russia.


    Программа курса


    Нейронная сеть:

    1. Математическая модель нейрона
    2. Булевы операции в виде нейронов
    3. От нейрона к нейронной сети
    4. Семинар: Базовая работа в PyTorch

    Строим первую нейронную сеть:

    1. Восстановление зависимости нейронной сетью
    2. Компоненты нейронной сети
    3. Теоретические задачи: Восстановление зависимостей
    4. Алгоритм настройки нейронной сети
    5. Теоретические задачи: Графы вычислений и BackProp

    Задачи, решаемые при помощи нейронных сетей:

    1. Бинарная классификация? Бинарная кросс-энтропия!
    2. Многоклассовая классификация? Софтмакс!
    3. Локализация, детекция, super-resolution
    4. Теоретические задачи: Функции потерь
    5. Семинар: Строим первую нейронную сеть
    6. Семинар: Классификация в PyTorch

    Методы оптимизации:

    1. Самый обычный градиентный спуск
    2. Модификации градиентного спуска
    3. Теоретические задачи: Понимаем SGD с momentum
    4. Семинар: Реализация градиентного спуска средствами PyTorch
    5. Семинар: Классификация рукописных чисел полносвязной сетью

    Свёрточные неройнные сети:

    1. Свёртка, каскад свёрток
    2. История архитектур: LeNet (1998)
    3. История архитектур: AlexNet (2012) и VGG (2014)
    4. История архитектур: GoogLeNet и ResNet (2015)
    5. Семинар: Распознавание рукописных чисел свёрточной нейросетью

    Регуляризация, нормализация, метод максимального правдоподобия:

    1. Регуляризация и нейронные сети
    2. Нормализация данных
    3. Семинар: Решаем задачу классификации на датасете CIFAR
    4. Метод максимального правдоподобия
    5. Семинар: Transfer learning на примере соревнования на Kaggle

    Требования к студентам


    Курс рассчитан на слушателей, которые делают первые шаги в области машинного обучения. Что нужно от вас?

    1. Иметь базовые знания в области математической статистики.
    2. Быть готовым программировать на Python.
    3. Если вы хотите пройти курс на сложном уровне, то понадобится неплохое знание математического анализа, линейной алгебры, теории вероятностей и статистики.

    Вызов принят? Тогда приступайте к курсу!
    Samsung
    Company

    Comments 17

      +2
      Распознавание рукописных чисел свёрточной нейросетью

      это и все из "в задачах компьютерного зрения" — только классификация?

        0
        В третьей лекции мы объясняем, из чего состоят современные задачи, намного сложнее многоклассовой классификации.

        А в последней части идёт анализ фотографий и кастомная задача – скоро всё это откроется, пока мы ждём, чтобы вся аудитория была на одинаковом уровне.
        +2
        Спасибо за ссылку, мне понравилось — минимум воды, преподаватели не тянут время, чтобы ролик получился подлиннее, оптимальный баланс между понятностью и интенсивностью. ИМХО.
        Жалко только что этапы выходят раз в неделю.
        И платформа хорошая для создания уроков. В общем, спасибо большое за курс и за ссылку на него! :)
          0
          Обычно в описании курса указывается, на какой срок рассчитан этот курс (исходя из предположения 3-5 часов в неделю, например). Можно уточнить этот вопрос?
            +1
            Я сегодня проходил курс, если я правильно понял, то: этапы курса выходят раз в неделю (в субботу в 00 часов 00 минут). Т.е. первый этап вышел 1-го июня, 2-й выйдет 8-го июня, ну и так далее, последний этап открывается 6-го июля. Там были какие-то отметки, когда дедлайн на прохождение этапа, но я не запомнил, сам этап я уже прошел, и они скрылись. Когда зарегистрируетесь — все увидите.
            Т.е. если будете идти по графику, то закончите к 14 июля :) Раньше нельзя (я хотел поднапрячся и за день весь курс пройти).
              0
              Спасибо!
              Хм, внезапно, это позволит мне воткнуть этот курс между другими запланированными. Интересно :)
                0
                Между какими? Поделитесь ссылками? :)
                  0
                  — Вот этот мне отлично зашел, чтобы разгрызть многопоточное программирование на Питоне (ну и вообще понять, как там работают классы): www.coursera.org/learn/diving-in-python/home/welcome
                  — Вот этот отлично походит для Кэггла: www.coursera.org/learn/competitive-data-science/home/welcome

                  Еще могу порекомендовать две специализации:
                  — Вот этот для тех, кто хочет написать в CV «MS Certified Data Sienеist» :) academy.microsoft.com/en-us/professional-program/tracks/data-science
                  — А вот эта дает очень удобный баланс из теории и практики: www.coursera.org/specializations/machine-learning-data-analysis
                  — Есть еще курс от ВШЭ, но там слишком суровый матан для меня :)
                    0
                    ага, нашел как открыть ссылки…
              0
              В курсе указано предположительное время (3-5 часов в неделю, 6 недель), а ещё, что интересно, Stepik подсчитывает фактическое время прохождения курса. У нас пока нет статистики, так как курс только открылся для пользователей, но уже через пару недель сможем назвать более реальные цифры.
              0
              Судя по программе курса, это базовый курс.
              Будет ли продолжение этого курса с описанием более продвинутых задач?
                0
                Михаил и Игорь заявляют о готовности и желании сделать продвинутый курс, значит в той или иной форме он обязательно появится!
                  0
                  Это прекрасная новость!
                0
                Будет ли курс доступен после июля?
                0
                Подскажите, пожалуйста, когда и где будет опубликованы результаты конкурса «Внеси свой вклад в экосистему Samsung!». И как вообще понять, что работа принята и рассмотрена, если, как я понял из общения с участниками, вы не осуществили никакой обратной связи на посланные заявки? Организовать конкурс — это же не только лэндинг собрать с призывом участвовать в нем, правда?

                Заранее спасибо за ответ.
                  0
                  Добрый день!
                  Итоги конкурса подводятся в настоящий момент и будут опубликованы здесь, на Хабре. Все работы, которые присылались нам на ящик, были приняты и переданы жюри, если возникают сомнения — их всегда можно уточнить.

                Only users with full accounts can post comments. Log in, please.