Искусственный интеллект
Курс “Искусственный интеллект и глубокое обучение”, который я читаю в Московском авиационном институте (а также в немного изменённом виде читал в РУТ МИИТ, и на основе которого сделан курс в РТУ МИРЭА)
- Онлайн лекции: Вводная часть, NeuroWorkshop
- Репозиторий курса: http://github.com/shwars/ai_course
Как строится курс
В рамках курса мы исходим из того, что ИИ и глубокое обучения - очень быстро развивающееся направление, поэтому хорошо его освоить можно только проявляя инициативу и интерес к свежим достижениям и новостям. Вместе с тем, курс должен заложить фундаментальное понимание принципов глубокого обучения, чтобы в дальнейшем было проще понимать современные научные статьи и идеи.
Курс строится по следующей схеме:
Основной теоретический блок представлен предзаписанными видеолекциями, ссылками на подробные Jupyter-ноутбуки с теорией и демонстрацией, и набором стандартных лабораторных работ (частично индивидуальных, в основном - групповых). Этот блок - минимальный требуемый уровень знаний, позволяющий получить оценку “удовлетворительно” сравнительно небольшими усилиями
Читать лекции в синхронном режиме я не вижу большого смысла, поэтому встречаться мы будем скорее для ответов на вопросы и обсуждений. Кроме того, студенты могут в рамках этих встреч сделать доклад: либо на тему, связанную с ИИ и их работой (многие студенты уже активно работают в области ИИ), либо изучить какую-то научную работу или подтему и рассказать про неё. Активности повышают оценку!
Если вы делаете что-то практическое на тему ИИ - это может быть диплом, или проект на работе, или пет-проект - расскажите об этом, его возможно зачесть вместо какого-то количества стандартных лаб. Интересные пет-проекты повышают оценку, поскольку они позволяют мне сделать вывод о вашем знании дисциплины.
План курса
| Вводная часть | Основные | Доп |
| Введение в ИИ |   | |
| Системы, основанные на знаниях |  | |
| Лабораторная (групповая): создаём ИИ-Wiki | ||
| Машинное обучение (опционально) | ||
| Краткое введение в машинное обучение | | |
| Нейросети | ||
| Персептроны |  | |
| Построение своего нейросетевого фреймворка | | |
| Лабораторная работа: построение своего нейросетевого фреймворка | ||
| Введение в Keras и Tensorflow | | |
| Введение в PyTorch | | |
| Компьютерное зрение | ||
| Введение в компьютерное зрение | | |
| Свёрточные нейросети | | |
| Transfer Learning | | |
| Интерпретируемость нейросетей и GradCam | | |
| Автоэнкодеры и VAE | | |
| Генеративно-состязательные сети | | |
| Object Detection / Segmentation | | |
| Генеративные диффузионные сети | ||
| Лабораторная работа: классификация и генерация изображений | ||
| Обработка естественного языка | ||
| Введение в NLP | | |
| Мешок слов и TF-IDF | | |
| Текстовые эмбеддинги | | |
| Рекуррентные нейросети | | |
| Трансформеры | | |
| Лабораторная работа: генерация последовательностей | ||
| Мультимодальные сети | ||
| CLIP и Stable Diffusion | | |
| Мультимодальные трансформеры | ||