06.02.2019       Выпуск 268 (04.02.2019 - 10.02.2019)       Учебные материалы

Открытый курс «Deep Learning на пальцах»

После 18-го февраля начнется открытый и бесплатный курс "Deep Learning на пальцах".

 

Курс предназначен для того, чтобы разобраться с современным deep learning с нуля, и не требует знаний ни нейросетей, ни machine learning вообще. Лекции стримами на Youtube, задания на Питоне, обсуждения и помощь в лучших русскоязычных DS-сообществах — ODS.ai и ClosedCircles.

После него вы не станете экспертом, но поймете про что все это, сможете применять DL на практике и будете способны разбираться дальше сами. Ну, в лучшем случае.

Одновременно и в том же объеме курс будет читаться для магистрантов Новосибирского Государственного Университета, а также студентов CS центра Новосибирска.

Читать>>




Экспериментальная функция:

Ниже вы видите текст статьи по ссылке. По нему можно быстро понять ссылка достойна прочтения или нет

Просим обратить внимание, что текст по ссылке и здесь может не совпадать.

После 18-го февраля начнется открытый и бесплатный курс "Deep Learning на пальцах".

Курс предназначен для того, чтобы разобраться с современным deep learning с нуля, и не требует знаний ни нейросетей, ни machine learning вообще. Лекции стримами на Youtube, задания на Питоне, обсуждения и помощь в лучших русскоязычных DS-сообществах — ODS.ai и ClosedCircles.

После него вы не станете экспертом, но поймете про что все это, сможете применять DL на практике и будете способны разбираться дальше сами. Ну, в лучшем случае.

Одновременно и в том же объеме курс будет читаться для магистрантов Новосибирского Государственного Университета, а также студентов CS центра Новосибирска.

Выглядеть объяснение на пальцах будет примерно так:

Главная ссылка — dlcourse.ai. Подробности ниже.

Откуда вообще это взялось

Все началось с того, что один из бывших научных руководителей в очередной раз приехал в гости, и я спросил как у них дела с машинным обучением на родной кафедре НГУ. Оказалось, что они уже несколько лет ищут преподавателя и не могут найти. Я в шутку сказал, что в принципе могу, но придется устраивать телемост в Новосибирск из Кремниевой Долины.

Слово за слово, в следующем учебном году студенты кафедры приходили в аудиторию, и им там включали на прожекторе Youtube стрим. Они задавали вопросы, я отвечал с 5-секундной задержкой и вообще, будущее наступило. Огромное спасибо кафедре АФТИ ФФ НГУ и Юре Бабурову (buriy), который вел семинары!

Ну а если делать в 2019 году университетский курс на энтузиазме, то надо чтобы его материалы были открыты и доступны всем.

Тем более, когда я начинал это делать, на английском уже были прекрасные курсы о Deep Learning — и CS231n от Стенфорда и Andrej Karpathy, и fast.ai от Jeremy Howard. Про классический ML на русском есть отличный mlcourse.ai от yorko и ODS-братии, а про DL на русском полного комплекта (лекции, задания и живое место обсуждений) — я не нашел.

Сейчас, кстати, многие делают и выкладывают курсы про Deep Learning, и это замечательно. Если получится быть хоть какое-то время бейзлайном для других курсов — для меня это уже успех.

Что в курсе

Что вообще надо для полноценного курса? По мне — лекции, задания, и место для обсуждений и вопросов.

Лекции — будут стримами на Youtube каждую неделю, чтобы можно было задавать вопросы по ходу и потом.
Задания — будут выкладываться на github, все на Питоне в ноутбуках.
Для выполнения заданий иметь свой GPU необязательно — спасибо компании Google за Google Colab!

Место обсуждений — канал #dlcourse_ai в слаке ODS.ai и #dlcourse на ClosedCircles.

Еще мы в курсе попросим вас написать пост о какой-то современной статье и поучаствовать в актуальном соревновании по машинному обучению.

Как попасть в ODS

Доступ в ODS дается по инвайтам, но если вы в заявке укажете, что вы насчет курса dlcourse.ai, ваши шансы резко возрастут. Одновременно это уверенно отвечает на вопрос "чем этот курс лучше других".

Примерную программу можно посмотреть в варианте прошлого года, про который был пост на Хабре — https://habr.com/ru/post/414165/

TL;DR

  • Основы deep learning до формул, математики и основного метода тренировки.
  • Использование современных библиотек на примере PyTorch.
  • Применение к основным доменам — компьютерному зрению, обработке текста и звука, обучению с подкреплением.
  • Краткий обзор современного состояния.

Что надо знать для успешного прохождения курса

Три вещи!
Для каждой будет приложена проверочная картинка — если она вас не испугала, то вы в деле.

Немного питона:

Немного линейной алгебры:

Немного матанализа:

Если какая-то из картинок все же пугает, вот хороший список вариантов что с этим делать — https://vk.com/mlcourse?w=wall-158557357_3.

Кто вообще ведет курс

А ты правда продюсер? Да, я правда продюсер.

Лекции буду читать в основном я, но планируются и гостевые лекции от известных в узких кругах специалистов.
На всякий случай два слова обо мне — меня зовут Семен Козлов, я живу в Долине, руковожу машинным обучением в стартапе Instrumental, раньше работал в machine learning team в Dropbox. Еще раньше я занимался компьютерной графикой, делал игры, и помогал deep learning тем, что давал видеокартам причину существовать.

С остальным помогают:

  • Юрий Бабуров, специалист по анализу текста и распознаванию речи
  • Павел Петроченко и Денис Денисенко из OnPositive
  • Максим Вахрушев и Кирилл Бродт из CS-Центра Новосибирска
  • Александр Гончаренко из Expasoft
  • Лена Бручес из 2gis
  • Гостевые лекторы — пока не спойлю кто!
  • Вся тусовка ODS, помогающая собирать материал для лекций.

Еще мне жуть как помогает жена, поддерживая и освобождая время. Готовить все это — какое-то безумное количество усилий.

Как начать!

На dlcourse.ai можно записаться на аносы в почте или в Telegram-группе.
Первая лекция — уже через две недели, после 18-го февраля.
Если вы давно собирались разобраться с этим всеми нейросетями — вот он, шанс!

А еще — если у нас все получится, то неминуемо все курсы всех университетов будут вестись именно так. Поборемся за прекрасное будущее!






Разместим вашу рекламу

Пиши: mail@pythondigest.ru

Нашли опечатку?

Выделите фрагмент и отправьте нажатием Ctrl+Enter.

Система Orphus