cvcoursemm2019autumn

KO | EN

gitlite — search

#python #react #typescript #golang #machine-learning #docker #macos #nodejs #windows #kubernetes #vue #pytorch #security #open-source

cvcoursemm2019autumn

(★ 10)

Introduction to Computer Intelligence. Modern Computer Vision

cvcoursemm2019autumn 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

[EN version](#en)

# Введение в компьютерный интеллект. Современное компьютерное зрение.

## Содержание
* [Новости](#news)
* [Краткая информация](#info)
* [Время и место](#ww)
* [Связь с преподавателями](#feedback)
* [Результаты выполнения заданий](#marks)
* [Программа курса](#program)
* [Список литературы](#lit)
* [Полезные ссылки](#links)
## <a name="news" /> Новости
* (2019-12-25) Выложена [десятая лекция](lec/lecture10-advattack.pdf)
* (2019-12-17) Добавлены критерии получения оценок за курс 
* (2019-12-12) Выложены [девятая лекция](lec/lecture09-compression.pdf) и [семинар](seminars/03_transfer_learning.ipynb)
* (2019-12-10) Началось [соревнование по компьютерному зрению](https://www.kaggle.com/t/adbfbe740dc14c5384670ae92cae575c)
* (2019-12-05) Выложена [восьмая лекция](lec/lecture08-enhancement.pdf)
* (2019-11-27) Выложена [седьмая лекция](lec/lecture07.pdf)
* (2019-11-27) Выложена [краткая версия лекции по Image Generation by GAN](lec/Image_Generation_by_GAN.pdf) от А. Иванюты, а также полные версии лекций по [Image Generation by GAN (246 MB)](https://drive.google.com/open?id=1gJizfyVxURgT21CVD10e6RfrZQJF1BQv) и [Image Translation (76 MB)](https://drive.google.com/open?id=1ldrLTkKqAIKw5gCvERBXVR5rLhi5piOz)
* (2019-11-13) Выложена [шестая лекция](lec/lecture06.pdf) и код с [второго семинара по введению в Keras](seminars/02_mnist_keras_tutorial_generators_and_callbacks.ipynb)
* (2019-11-07) Выложена [краткая версия лекции по Image Translation](lec/Image_Translation.pdf) от Д. Михайлова
* (2019-11-06) Выложено [второе теоретическое задание](assignments/theory02.pdf). Дедлайн отправки решений: 26.11.2019 включительно
* (2019-11-06) Выложена [пятая лекция](lec/lecture05.pdf)
* (2019-10-22) Выложено [первое практическое задание](assignments/programming01.ipynb). Дедлайн отправки решений: 12.11.2019 включительно
* (2019-10-22) Выложена [четвертая лекция](lec/lecture04.pdf)
* (2019-10-16) Выложена [третья лекция](lec/lecture03.pdf) и код с [семинара по введению в Keras](seminars/01_keras_intro.ipynb)
* (2019-10-09) Выложено [первое теоретическое задание](assignments/theory01.pdf). Дедлайн отправки решений: 29.10.2019 включительно
* (2019-10-09) Выложена [вторая лекция](lec/lecture02.pdf)
* (2019-10-02) Выложена [первая лекция](lec/lecture01.pdf)
* (2019-09-23) Первая лекция состоится во вторник, 1 октября, в 18:30 в аудитории 1205 (ГЗ МГУ).
## <a name="info" /> Краткая информация 
В осеннем семестре 2019 года на механико-математическом факультете МГУ им. М. В. Ломоносова начинается чтение нового спецкурса по выбору студента, посвященного нейросетевым алгоритмам компьютерного зрения.

Курс будет читаться на базе кафедры [Математической Теории Интеллектуальных Систем](http://intsys.msu.ru) под руководством д.ф.-м.н., профессора [Бабина Д. Н.](http://intsys.msu.ru/staff/babin/) Курс будут читать к.ф.-м.н. Петюшко А. А. и к.ф.-м.н. Иванов И. Е.
## <a name="ww" /> Время и место 
Курс читается по вторникам, 18:30, ГЗ МГУ, аудитория 1205. 
## <a name="feedback" /> Связь с преподавателями
* [Telegram-канал](https://t.me/joinchat/AAAAAEUmx5cJLOdLXsOt8g), в котором будут появляться все важные новости
* Обратная связь - по почте mlcoursemm@gmail.com
* Ну и всегда можно написать в [issues](https://github.com/mlcoursemm/cvcoursemm2019autumn/issues) :)
## <a name="marks" /> Критерии оценок
* Отлично: 52 балла и выше
* Хорошо: 39 баллов и выше
* Удовлетворительно / зачет: 26 баллов и выше
* [Итоговая таблица с результатами](https://docs.google.com/spreadsheets/d/1i3ahmbSfCHeEEvsG7PFfaHqrQTRxUrF2BF4hw4xNydM/edit#gid=0)
## <a name="program" /> Программа курса 
Тема 1.
Краткая история нейросетевого подхода в компьютерном зрении.

Тема 2.
Постановка основных задач компьютерного зрения.

Тема 3.
Сверточные нейронные сети. Типы слоев.

Тема 4.
Стохастический градиентный спуск. Современные оптимизационные алгоритмы.

Тема 5.
Введение в нейросетевые фреймворки на примере Keras.

Тема 6.
Метод обратного распространения ошибки.

Тема 7.
Способы инициализации весов нейросетей.

Тема 8.
Современные подходы к задаче классификации изображений.

Тема 9.
Современные подходы к задаче обнаружения объектов на изображениях.

Тема 10.
Современные подходы к задаче сегментации изображений.

Тема 11.
Современные подходы к задаче распознавания лиц.

Тема 12.
Современные подходы к задаче улучшения качества изображений. Сверхразрешение, удаление смаза и шума.

Тема 13.
Вариационный автокодировщик.

Тема 14.
Генеративные состязательные модели.

Тема 15.
Состязательные атаки на нейронные сети.

Тема 16.
Современные подходы к сжатию и ускорению нейронных сетей.
## <a name="lit" /> Список литературы
1. Ian Goodfellow and Yoshua Bengio and Aaron Courville. [Deep Learning](https://www.deeplearningbook.org), 1st edition, MIT Press, 2016.
2. http://neuralnetworksanddeeplearning.com/
3. Francois Chollet. [Deep Learning with Python](http://faculty.neu.edu.cn/yury/AAI/Textbook/Deep%20Learning%20with%20Python.pdf), 1st edition, Manning, 2017.
## <a name="links" /> Полезные ссылки 
### Машинное обучение
* Желательно иметь базу в виде курса по машинному обучению (например, [здесь](https://github.com/mlcoursemm/mlcoursemm2019spring) лежит соответствующий курс)
### Python
* Краткое введение в язык программирования Python [здесь](https://github.com/mlcoursemm/mlcoursemm2019spring/blob/master/prac/Python_intro.ipynb)

### <a name="en" /> EN version

# Introduction to Computer Intelligence. Modern computer vision.

## Content
* [News](#news1)
* [Short info](#info1)
* [Time and place](#ww1)
* [Communication with teachers](#feedback1)
* [Task results](#marks1)
* [Course program](#program1)
* [Bibliography](#lit1)
* [Useful links](#links1)
## <a name="news1" /> News
* (2019-12-25) Uploaded [10th lecture](lec/lecture10-advattack.pdf)
* (2019-12-17) Added criteria for getting grades for the course 
* (2019-12-12) Uploaded [9th lecture](lec/lecture09-compression.pdf) and [seminar](seminars/03_transfer_learning.ipynb)
* (2019-12-10) Started [Computer Vision Competition](https://www.kaggle.com/t/adbfbe740dc14c5384670ae92cae575c)
* (2019-12-05) Uploaded [8th lecture](lec/lecture08-enhancement.pdf)
* (2019-11-27) Uploaded [7th lecture](lec/lecture07.pdf)
* (2019-11-27) Uploaded [short version of the lecture on Image Generation by GAN](lec/Image_Generation_by_GAN.pdf) from A. Ivanyuta, as well as full versions of lectures on [Image Generation by GAN (246 MB)](https://drive.google.com/open?id=1gJizfyVxURgT21CVD10e6RfrZQJF1BQv) and [Image Translation (76 MB)](https://drive.google.com/open?id=1ldrLTkKqAIKw5gCvERBXVR5rLhi5piOz)
* (2019-11-13) Uploaded [6th lecture](lec/lecture06.pdf) and the code from [second Keras Introduction Seminar](seminars/02_mnist_keras_tutorial_generators_and_callbacks.ipynb)
* (2019-11-07) Added [short version of the lecture on Image Translation](lec/Image_Translation.pdf) from D. Mikhailov
* (2019-11-06) Uploaded [second theoretical task](assignments/theory02.pdf). Deadline for sending decisions: 11/26/2019 inclusive
* (2019-11-06) Uploaded [5th lecture](lec/lecture05.pdf)
* (2019-10-22) Uploaded [first practical task](assignments/programming01.ipynb). Deadline for sending decisions: 11/12/2019 inclusive
* (2019-10-22) Uploaded [4th lecture](lec/lecture04.pdf)
* (2019-10-16) Uploaded [3rd lecture](lec/lecture03.pdf) and the code from the [Keras Introduction Seminar](seminars/01_keras_intro.ipynb)
* (2019-10-09) Uploaded [first theoretical task](assignments/theory01.pdf). Deadline for sending decisions: 29/10/2019 inclusive
* (2019-10-09) Uploaded [2nd lecture](lec/lecture02.pdf)
* (2019-10-02) Uploaded [1st lecture](lec/lecture01.pdf)
* (2019-09-23) The first lecture will take place on Tuesday, October 1 at 18:30 in room 1205 (main bilding MSU).
## <a name="info1" /> Short info 
In the fall semester of 2019 at the Faculty of Mechanics and Mathematics of Lomonosov Moscow State University begins reading a new special course of the student's choice, dedicated to neural network algorithms for computer vision.

The course will be taught on the basis of the Department of [Mathematical Theory of Intelligent Systems](http://intsys.msu.ru) under the guidance of Doctor of Physical and Mathematical Sciences, Professor [Babin D.N.](http://intsys.msu.ru/staff/babin/) The course will be delivered by Ph.D. [Petiushko A.A.](https://petiushko.info) and Ph.D. Ivanov I.E.
## <a name="ww1" /> Time and place 
The lessons are to be taught on Tuesdays, 18:30, main bilding MSU, room 1205. 
## <a name="feedback1" /> Communication with teachers
* [Telegram-channel](https://t.me/joinchat/AAAAAEUmx5cJLOdLXsOt8g), where all important news will appear
* Feedback - by email mlcoursemm@gmail.com
* Well, you can always write in [issues](https://github.com/mlcoursemm/cvcoursemm2019autumn/issues) :)
## <a name="marks1" /> Evaluation criteria
* Excellent: 52 points and above
* Good: 39 points and above
* Satisfactory / pass: 26 points and above
* [Summary table with results](https://docs.google.com/spreadsheets/d/1i3ahmbSfCHeEEvsG7PFfaHqrQTRxUrF2BF4hw4xNydM/edit#gid=0)
## <a name="program1" /> Course program 
Topic 1.
A brief history of the neural network approach in computer vision.

Topic 2.
Statement of the main tasks of computer vision.

Topic 3.
Convolutional neural networks. Types of layers.

Topic 4.
Stochastic gradient descent. Modern optimization algorithms.

Topic 5.
An introduction to neural network frameworks using Keras as an example.

Topic 6.
Backpropagation method.

Topic 7.
Methods for initializing neural network weights.

Topic 8.
Modern approaches to the problem of image classification.

Topic 9.
Modern approaches to the problem of detecting objects in images.

Topic 10.
Modern approaches to the problem of image segmentation.

Topic 11.
Modern approaches to the problem of face recognition.

Topic 12.
Modern approaches to the problem of improving the quality of images. Super resolution, blur and noise removal.

Topic 13.
Variational autoencoder.

Topic 14.
Generative adversarial models.

Topic 15.
Adversarial attacks on neural networks.

Topic 16.
Modern approaches to compression and acceleration of neural networks.
## <a name="lit1" /> Bibliography
1. Ian Goodfellow and Yoshua Bengio and Aaron Courville. [Deep Learning](https://www.deeplearningbook.org), 1st edition, MIT Press, 2016.
2. http://neuralnetworksanddeeplearning.com/
3. Francois Chollet. [Deep Learning with Python](http://faculty.neu.edu.cn/yury/AAI/Textbook/Deep%20Learning%20with%20Python.pdf), 1st edition, Manning, 2017.
## <a name="links1" /> Useful links
### Machine learning
* It is desirable to have a background in the form of a machine learning course done (for example, [here](https://github.com/mlcoursemm/mlcoursemm2019spring) can be found the appropriate course)
### Python
* A Brief Introduction to the Programming Language Python [here](https://github.com/mlcoursemm/mlcoursemm2019spring/blob/master/prac/Python_intro.ipynb)

cvcoursemm2019autumn

cvcoursemm2019autumn 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

cvcoursemm2019autumn

cvcoursemm2019autumn 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README