Список на доделку

I. Общие понятия 1. Немного математики Пример нейронной сети numpy для вычислений Что такое матрица? Вспомним производные Функции ошибки и обратный градиент Нейронная сеть без фреймворков II. Классификация 2. Полносвязная нейронная сеть Фреймворк tensorflow.keras Полносвязная нейронная сеть для классификации цифр 3. Сверточный слой Математика сверточных слоев Классификация цифр с помощью сверточной нейронной сети Разветвленные нейронные сети Графическое отображение слоев 4. Что внутри нейронной сети? Проблемы переобучения Что нейронная сеть “видит”? Проблемы нейронных сетей, в часности переобучение Аугментация картинок Подготовка данных для нейронной сети, Preprocessing III. Сегментация картинок 5. Автокодировщики Понятие автокодировщика Примеры использования 6. Сегментация изображений Понятие сегментации Архитектура U-net и ее производные Архитектура PSP-net, понятие пуллинговой пирамиды IV. Поиск объектов 7. Поиск объектов Задача поиска объектов Анкоры и сетки Архитектура YOLO на примере YOLOv3 V. Генерация 8. Вариационные автокодировщики Генерация из пространства Расстояние Кульбака-лейблера Вариационный автокодировщик с условием 9. Генеративно-состязательные нейронные сети Понятие генеративно-состязательной нейронной сети Генеративно-состязательная нейронная сеть с условием Генерация из шума Увеличение качества изображения (повышение его разрешения) VI. Дополнительно 10. Инструменты для подготовки данных Примеры инструментов Примеры датасетов 11. Генетические алгоритмы Понятие генетических алгоритмов 12. Подбор гиперпараметров Подбор гиперпараметров нейронной сети Callbaks Генетика для подбора гиперпараметров KerasTuner 13. Нейронные сети с вниманием (пока не продумал это занятие) Нейронные сети с вниманием

Пилотное занятие по нейронным сетям Приветствие Порядок занятия Постановка задачи; Разработка гипотизы; Проверка гипотизы в коде на идеальном датасете; Ответы на вопросы; Обсуждение формата будущих занятий. Примерная длительность занятия 1,5 - 2 часа Постановка задчи Задача: Своевременное информирование о возникновении “аномальной” ситуации где-либо (жилой двор, производственное помещение). Аномальными будем считать все ситуации, выходящие за рамки нормы (машина на газоне, человек под стрелой крана, открытый огонь там где его не должно быть). Своевременным информированием будем считать подачу сигнала о самом факте аномального поведения и его типе (что конкретно произашло?). ...