✅Вариант страницы одобрен авторами курса
<aside> 💡 Курс разработан при поддержке фонда и рекомендован к прослушиванию студентами в рамках Академической программы по искусственному интеллекту.
</aside>
Спецкурс является спецкурсом по выбору, читается в осеннем семестре.
Кандидат физ.-мат. наук, младший научный сотрудник кафедры алгоритмических языков, ВМК, МГУ. Основные научные интересы: вычислительная лексическая семантика, обработка текстов на естественном языке, мультимодальные модели, машинное обучение, нейронные сети.
Спецкурс ориентирован на студентов, знакомых с основами математического анализа, линейной алгебры, теории вероятности и математической статистики (хотя бы в объеме первого курса ВМК МГУ).
Спецкурс знакомит студентов с базовыми понятиями машинного обучения и теории искусственных нейронных сетей, методами их использования для решения задач автоматической обработки текстов. В начале изучаются простейшие модели машинного обучения: наивный байесовский классификатор и логистическая регрессия. Затем рассматриваются различные типы архитектур нейронных сетей (полносвязные, рекуррентные, механизм внимания), а также примеры их использования для обработки текстов. Затрагивается тема предобучения нейронных сетей на неразмеченных текстовых коллекция для повышения качества их дальнейшей работы.
Студентам предлагается выполнить практические задания, направленные на улучшение понимания принципов нейронных сетей и других методов машинного обучения, приобретение навыков их применения для анализа текстов. Задания позволяют приобрести навыки использования библиотек и инструментов работы с нейросетями, таких как numpy, Pytorch, Tensorboard. В первых заданиях предлагается реализовать простейшие модели (наивный байесовский классификатор, логистическая регрессия). Затем студенты напишут полносвязную нейронную сеть своими руками с использованием только библиотеки ускорения матричных вычислений numpy. В последнем задании реализуется рекуррентная нейронная сеть с использованием популярной библиотеки работы с нейросетями pytorch. Студентам предлагается загрузить результаты своих моделей в лидерборд и поучаствовать в соревновании.
http://mdl.cs.msu.ru/course/view.php?id=13