Samsung Meluncurkan Kursus Jaringan Saraf Penglihatan Komputer Online Gratis

Anda masih tidak mengerti mengapa ReLU lebih baik daripada sigmoid, bagaimana perbedaan antara RTR dan RMSprop, mengapa menormalkan sinyal dan apa yang melewatkan koneksi? Mengapa jaringan saraf membutuhkan grafik, dan kesalahan apa yang dilakukannya sehingga menyebar kembali? Apakah Anda memiliki proyek dengan visi komputer, atau mungkin Anda membuat robot intergalaksi untuk menangani piring kotor, dan Anda ingin dapat memutuskan sendiri, untuk mencuci, atau begitulah yang akan dilakukan?

Kami meluncurkan kursus terbuka "Jaringan Saraf dan Visi Komputer" , yang ditujukan kepada mereka yang mengambil langkah pertama di bidang ini. Kursus ini dikembangkan oleh para ahli dari Samsung Research Russia: Samsung Research Center dan Samsung Center for Artificial Intelligence di Moskow. Kekuatan kursus:

• penulis kursus tahu apa yang mereka bicarakan: ini adalah insinyur di Pusat Moskow untuk Inteligensi Buatan Samsung, Mikhail Romanov dan Igor Slinko;
• Ada teori dengan masalah dan praktik di PyTorch
• mulailah berlatih segera setelah menguasai pengetahuan teoritis minimum.
• siswa terbaik akan diundang untuk wawancara di Samsung Research Russia!

Kursus ini dibuka pada 1 Juni, yang pertama dari serangkaian kursus online gratis dari Samsung di platform Stepik. Preferensi diberikan secara khusus ke platform Rusia - ini akan memberikan lebih banyak peluang bagi audiens yang berbahasa Rusia. Kursus terutama akan fokus pada Machine Learning (ML). Pilihannya tidak disengaja: pada Mei 2018, Samsung Artificial Intelligence Center dibuka di Moskow, di mana bintang-bintang ilmiah ML seperti Viktor Lempitsky (ilmuwan Rusia yang paling banyak dikutip dalam kategori Ilmu Komputer), Dmitry Vetrov, Anton Konushin, Sergey Nikolenko dan banyak pekerjaan lainnya.

Jadi, selama 6 minggu video ceramah dan latihan praktis, melakukan 3-5 jam seminggu, Anda akan dapat menemukan cara untuk memecahkan masalah dasar penglihatan mesin, dan juga mendapatkan pelatihan teoritis yang diperlukan untuk studi independen lebih lanjut dari bidang tersebut.

Seharusnya ada dua mode kursus: dasar dan lanjutan. Dalam kasus pertama, cukup untuk menonton kuliah, menjawab pertanyaan tentang kuliah dan menyelesaikan seminar. Dalam kasus kedua, akan perlu untuk menyelesaikan masalah teoritis di mana akan diperlukan untuk menerapkan pengetahuan yang cukup luas dari matematika 1-2 program dari universitas teknis.

Kursus ini secara konsisten menetapkan terminologi dan prinsip-prinsip pembangunan jaringan saraf, pembicaraan tentang tugas modern, metode optimasi, fungsi kehilangan, dan arsitektur dasar jaringan saraf. Dan pada akhir pelatihan - solusi tugas terapan visual visi komputer.

Guru kursus

Mikhail Romanov

Lulusan MIPT. Dia lulus dari Yandex Data Analysis School. Ia menerima gelar PhD dari Technical University of Denmark.

Seorang karyawan Moscow AI Center Samsung. Michael terlibat dalam tugas penglihatan mesin untuk robot dan suka mengajar. Dia memiliki banyak ide dan topik untuk kursus lanjutan. Salah satu lulusan AI Bootcamp 2018, yang diadakan di Samsung Center for Artificial Intelligence, menulis dalam kuesioner keluar tentang pertanyaan mengevaluasi Mikhail pada skala 5 poin sebagai seorang guru, "Sayang sekali bahwa tidak ada peringkat enam!"


Igor Slinko

Lulusan MIPT. Dia lulus dari Yandex Data Analysis School. Seorang karyawan Moscow AI Center Samsung. Igor juga berurusan dengan tugas-tugas visi mesin untuk robot dan mengajarkan Machine Learning di Sekolah Tinggi Ekonomi. Terakhir dan tahun ini dia adalah dosen sukarela di lokakarya Deep Learning proyek sosial dan pendidikan Summer School , yang diselenggarakan dalam kemitraan dengan Samsung Research Russia.

Program kursus

Jaringan saraf:

1. Model matematika neuron
2. Operasi Boolean dalam bentuk neuron
3. Dari neuron ke jaringan saraf
4. Workshop: Pekerjaan Dasar di PyTorch

Bangun jaringan saraf pertama:

1. Pemulihan ketergantungan jaringan saraf
2. Komponen jaringan saraf
3. Tujuan Teoritis: Pemulihan Ketergantungan
4. Algoritma penyetelan jaringan saraf
5. Masalah Teoritis: Grafik Komputasi dan BackProp

Tugas diselesaikan menggunakan jaringan saraf:

1. Klasifikasi biner? Entropi Binary Cross!
2. Klasifikasi multi-kelas? Softmax!
3. Lokalisasi, deteksi, resolusi super
4. Masalah Teoritis: Fungsi Kehilangan
5. Workshop: Membangun Jaringan Saraf Pertama
6. Workshop: Klasifikasi dalam PyTorch

Metode Optimasi:

1. Keturunan gradien yang paling umum
2. Modifikasi Keturunan Gradien
3. Tujuan Teoritis: Memahami SGD dengan momentum
4. Workshop: Menerapkan Gradient Descent Menggunakan PyTorch
5. Workshop: Klasifikasi Nomor Tulisan Tangan oleh Jaringan yang Terhubung Penuh

Jaringan saraf convolutional:

1. Konvolusi, kaskade konvolusi
2. Sejarah Arsitektur: LeNet (1998)
3. Sejarah Arsitektur: AlexNet (2012) dan VGG (2014)
4. Sejarah Arsitektur: GoogLeNet dan ResNet (2015)
5. Workshop: Pengenalan tulisan tangan oleh jaringan saraf convolutional

Regularisasi, normalisasi, metode kemungkinan maksimum:

1. Regularisasi dan jaringan saraf
2. Normalisasi data
3. Seminar: Kami memecahkan masalah klasifikasi pada dataset CIFAR
4. Metode kemungkinan maksimum
5. Seminar: Transfer pembelajaran pada contoh kompetisi di Kaggle

Persyaratan siswa

Kursus ini dirancang untuk siswa yang mengambil langkah pertama di bidang pembelajaran mesin. Apa yang dibutuhkan dari Anda?

1. Memiliki pengetahuan dasar di bidang statistik matematika.
2. Bersiaplah untuk memprogram dengan Python.
3. Jika Anda ingin mengambil kursus di tingkat yang sulit, Anda akan memerlukan pengetahuan yang baik tentang analisis matematika, aljabar linier, teori probabilitas dan statistik.

Apakah panggilan itu diterima? Kemudian lanjutkan ke kursus !