VK-Technopark-ANN

Описание проекта

Этот репозиторий содержит решения домашних заданий курса Технопарк VK. В рамках курса выполняются задачи, связанные с обучением нейронных сетей и компьютерным зрением. Все задания выполнены в Jupyter Notebook для удобства разработки и визуализации.

Основные темы

Репозиторий охватывает следующие темы:

1. Основы нейронных сетей:

   • Метод обратного распространения ошибки.
   • Обучение нейронных сетей с использованием PyTorch.

2. Компьютерное зрение:

   • Сверточные нейронные сети (CNN).
   • Задачи детекции и сегментации с использованием Faster R-CNN и YOLO.

3. Методы оптимизации:

   • Исследование различных оптимизаторов и их влияния на обучение моделей.

4. Обработка естественного языка:

   • Использование нейронных сетей для задач NLP.

5. Анализ и метрики:

   • Metric Learning и анализ работы нейронных сетей.

6. Соперничающие сети (GAN):

   • Обучение и применение генеративно-состязательных сетей.

7. Вариационные автокодировщики (VAE) и диффузионные модели:

   • Изучение VAE и современных подходов к генерации данных.

8. Обучение с подкреплением:

   • Применение подходов RL в различных задачах.

9. Распознавание речи и цифровая обработка сигналов (ЦОС):

   • Введение в ASR и использование нейронных сетей в распознавании речи.

Инструкции по запуску

1. Убедитесь, что у вас установлен Python и необходимые библиотеки. Все зависимости указываются непосредственно в Jupyter Notebook.
2. Запустите Jupyter Notebook:

jupyter notebook

3. Выберите соответствующий файл задания:
   • dz1.ipynb — Реализация метода обратного распространения ошибки.
   • dz2.ipynb — Обучение нейронной сети с использованием библиотеки PyTorch.
   • dz3.ipynb — Сверточные сети (CNN).
   • dz4.ipynb — Исследование методов оптимизации.
   • dz5.ipynb — Обучение глубинных нейронных сетей.
   • dz6_FASTRCNN.ipynb — Задачи детекции и сегментации Faster R-CNN.
   • dz6_YOLO.ipynb — Задачи детекции и сегментации YOLO.
   • dz7.ipynb — Обучение модели metric learning и анализа работы нейронной сети.
   • dz9.ipynb — Нейронные сети для обработки естественного языка.
   • dz11\ — Введение в ЦОС и распознавание речи (ASR). Нейронные сети в ASR.
   • dz12.ipynb — Соперничающие сети (GAN).
   • dz13.ipynb — Вариационные автокодировщики (VAE) и Diffusion Models.
   • dz14.ipynb — Обучение с подкреплением.

Особенности

• Все задания выполнены в формате Jupyter Notebook.
• К каждому заданию прилагаются комментарии и визуализации для лучшего понимания.
• Репозиторий предназначен для учебных целей.

Авторы

Ark2016

Домашние задания выполнены в рамках курса Технопарк VK.