سامسونج تطلق دورة تدريبية مجانية على الشبكة العنكبوتية عبر الإنترنت

ما زلت لا تفهم لماذا ReLU أفضل من السيني ، وكيف يختلف Rprop عن RMSprop ، ولماذا تطبيع الإشارات وما هو تخطي الاتصال؟ لماذا تحتاج الشبكة العصبية إلى رسم بياني ، وما الخطأ الذي ارتكبته عندما تنتشر مرة أخرى؟ هل لديك مشروع برؤية الكمبيوتر ، أو ربما تقوم بعمل روبوت بين المجرات للتعامل مع الأطباق القذرة ، وتريد أن تكون قادرة على أن تقرر لنفسها ، لغسل ، أو هكذا ستفعل؟

نحن نطلق الدورة التدريبية المفتوحة "الشبكات العصبية ورؤية الكمبيوتر" ، وهي موجهة لأولئك الذين يتخذون خطواتهم الأولى في هذا المجال. تم تطوير الدورة من قبل خبراء من Samsung Research Russia: مركز أبحاث Samsung ومركز Samsung للذكاء الاصطناعي في موسكو. نقاط القوة في الدورة:

• يعرف مؤلفو الدورة التدريبية ما الذي يتحدثون عنه: إنهم مهندسون في مركز موسكو للذكاء الاصطناعي سامسونج وميخائيل رومانوف وإيجور سلينكو ؛
• هناك نظرية مع المشاكل والممارسة على PyTorch
• بدء الممارسة مباشرة بعد إتقان الحد الأدنى من المعرفة النظرية.
• سيتم دعوة أفضل الطلاب لإجراء مقابلة مع Samsung Research Russia!

تم افتتاح هذه الدورة في الأول من يونيو ، وهي الأولى من سلسلة الدورات التدريبية المجانية عبر الإنترنت من Samsung على منصة Stepik. أعطيت الأفضلية على وجه التحديد للمنصة الروسية - وهذا سيوفر المزيد من الفرص للجمهور الناطق باللغة الروسية. ستركز الدورات في المقام الأول على التعلم الآلي (ML). هذا الاختيار ليس صدفة: في مايو 2018 ، تم افتتاح مركز سامسونج للذكاء الاصطناعي في موسكو ، حيث يعمل النجوم العلميون في ML مثل فيكتور Lempitsky (العالم الروسي الأكثر اقتباسًا في فئة علوم الكمبيوتر) ، وديمتري فيتروف ، وأنتون كونوشين ، وسيرجي نيكولينكو ، والعديد من الآخرين.

لذلك ، لمدة 6 أسابيع من المحاضرات بالفيديو والتدريبات العملية ، القيام 3-5 ساعات في الأسبوع ، سوف تكون قادرة على معرفة كيفية حل المشاكل الأساسية لرؤية الجهاز ، وكذلك الحصول على التدريب النظري اللازم لمزيد من الدراسة المستقلة لهذا المجال.

من المفترض وضعين بالطبع: الأساسية والمتقدمة. في الحالة الأولى ، يكفي مشاهدة المحاضرات والإجابة على أسئلة المحاضرات وحل الندوات. في الحالة الثانية ، سيكون من الضروري حل المشكلات النظرية التي سيكون من الضروري تطبيقها معرفة واسعة بما فيه الكفاية من الرياضيات من 1-2 دورات في إحدى الجامعات التقنية.

يحدد المساق باستمرار مصطلحات ومبادئ بناء الشبكات العصبية ، ويتحدث عن المهام الحديثة ، وطرق التحسين ، ووظائف الخسارة ، والبنية الأساسية للشبكات العصبية. وفي نهاية التدريب - حل مهمة بصرية تطبيقية لرؤية الكمبيوتر.

مدرسو الدورة

ميخائيل رومانوف

خريج MIPT. تخرج من مدرسة تحليل بيانات ياندكس. حصل على الدكتوراه من الجامعة التقنية في الدنمارك.

موظف في مركز موسكو لمنظمة العفو الدولية سامسونج. يشارك مايكل في مهام الرؤية الآلية للروبوتات ويحب التدريس. لديه العديد من الأفكار والموضوعات لدورات أخرى. كتب أحد خريجي AI Bootcamp 2018 ، الذي عقد في مركز سامسونج للذكاء الاصطناعي ، في استبيان الخروج حول مسألة تقييم ميخائيل على مقياس من 5 نقاط كمدرس ، "من المؤسف أنه لا يوجد تصنيف لستة!"


ايجور سلينكو

خريج MIPT. تخرج من مدرسة تحليل بيانات ياندكس. موظف في مركز موسكو لمنظمة العفو الدولية سامسونج. يتعامل إيجور أيضًا مع مهام رؤية الماكينات للروبوتات ويقوم بتدريس التعلم الآلي في المدرسة العليا للاقتصاد. وفي العام الماضي ، كان محاضرًا متطوعًا في ورشة التعليم العميق لمشروع المدرسة الاجتماعية والتعليمية الصيفي ، الذي تم تنظيمه بالشراكة مع Samsung Research Russia.

برنامج الدورة

الشبكة العصبية:

1. نموذج رياضي للخلايا العصبية
2. العمليات المنطقية في شكل خلايا عصبية
3. من الخلايا العصبية إلى الشبكة العصبية
4. ورشة عمل: العمل الأساسي في PyTorch

بناء أول شبكة عصبية:

1. استعادة تبعية الشبكة العصبية
2. مكونات الشبكة العصبية
3. الأهداف النظرية: استعادة التبعية
4. خوارزمية ضبط الشبكة العصبية
5. المشكلات النظرية: الرسوم البيانية للحوسبة و BackProp

المهام التي تم حلها باستخدام الشبكات العصبية:

1. تصنيف ثنائي؟ ثنائي الصليب الانتروبيا!
2. تصنيف متعدد الطبقات؟ Softmax!
3. التعريب والكشف والدقة الفائقة
4. المشكلات النظرية: وظائف الخسارة
5. ورشة عمل: بناء الشبكة العصبية الأولى
6. ورشة عمل: التصنيف في PyTorch

طرق التحسين:

1. النسب التدرج الأكثر شيوعا
2. تعديلات هبوط التدرج
3. الأهداف النظرية: فهم SGD مع الزخم
4. ورشة عمل: تطبيق النسب التدرج باستخدام PyTorch
5. ورشة عمل: تصنيف الأرقام المكتوبة بخط اليد بواسطة شبكة متصلة بالكامل

الشبكات العصبية التلافيفية:

1. الإلتواء ، سلسلة من الالتهابات
2. تاريخ الهندسة المعمارية: لينيت (1998)
3. تاريخ الهندسة المعمارية: AlexNet (2012) و VGG (2014)
4. تاريخ الهندسة المعمارية: GoogLeNet و ResNet (2015)
5. ورشة عمل: التعرف على خط اليد بواسطة الشبكة العصبية التلافيفية

التنظيم ، التطبيع ، طريقة الاحتمال القصوى:

1. تنظيم والشبكات العصبية
2. تطبيع البيانات
3. الحلقة الدراسية: نحل مشكلة التصنيف في مجموعة بيانات CIFAR
4. طريقة الاحتمالية القصوى
5. ندوة: نقل التعلم على مثال المنافسة على Kaggle

متطلبات الطلاب

تم تصميم الدورة للطلاب الذين يتخذون الخطوات الأولى في مجال التعلم الآلي. ما هو المطلوب منك؟

1. لديهم المعرفة الأساسية في مجال الإحصاء الرياضي.
2. كن مستعدًا للبرنامج في بيثون.
3. إذا كنت ترغب في الحصول على دورة تدريبية على مستوى صعب ، فستحتاج إلى معرفة جيدة بالتحليل الرياضي والجبر الخطي ونظرية الاحتمالات والإحصاء.

هل تم قبول المكالمة؟ ثم تابع الدورة !