https://www.wikicshse.ru/index.php?action=history&feed=atom&title=Ask_me_%28%D0%BF%D1%80%D0%BE%D0%B5%D0%BA%D1%82%29 2026-06-06T15:45:56Z История изменений этой страницы в вики MediaWiki 1.45.3 https://www.wikicshse.ru/index.php?title=Ask_me_(%D0%BF%D1%80%D0%BE%D0%B5%D0%BA%D1%82)&diff=56&oldid=prev 2017-10-18T16:11:33Z

<p>Migrated current public revision from wiki.cs.hse.ru</p> <p><b>Новая страница</b></p><div>{{Карточка_проекта<br /> |name=Ask me<br /> |mentor=Симагин Денис<br /> |mentor_login={{URLENCODE:Simagin.denis|WIKI}}<br /> |semester=Осень 2016<br /> |course=2<br /> |summer=on<br /> |number_of_students=4-5<br /> |categorize=yes<br /> |is_archived=yes<br /> }}<br /> <br /> Семинар проекта можно найти [[Ask me (семинар)|здесь]].<br /> === Что это за проект? ===<br /> Существует интересная [http://arxiv.org/pdf/1506.07285.pdf статья], описывающая модель, которая &#039;&#039;&#039;на вход&#039;&#039;&#039; принимает:<br /> # Некоторый контекст, а именно несколько предложений.<br /> # Простой и короткий вопрос.<br /> А &#039;&#039;&#039;на выходе&#039;&#039;&#039; выдает некоторый осмысленный ответ в виде текста. Примечательно то, что в самой системе используется только обученные [https://en.wikipedia.org/wiki/Artificial_neural_network нейронные сети]. В частности, помощью [https://en.wikipedia.org/wiki/Long_short-term_memory LSTM-сети] модель запоминает контекст, оценивает вопрос и выдает ответ.<br /> <br /> Проект заключает в:<br /> # Воспроизведении результата статьи, на сколько это позволят нам наши вычислительные мощности.<br /> # Изучении схожих статей.<br /> # Проведении экспериментов.<br /> <br /> Проект будет устроен следующим образом:<br /> # Будут еженедельные семинары, на которых мы разберем всю необходимую теорию.<br /> # На одном из семинаров вы проведете разбор статьи, которую изучили самостоятельно.<br /> # Будет набор небольших упражнений для закрепления материала.<br /> # Ревью кода ваших коллег по проекту.<br /> # Мы будем постепенно двигаться к конечной цели - обучить собственную модель.<br /> <br /> &#039;&#039;&#039;Важно.&#039;&#039;&#039; Проект требует много времени. Подразумевается большое количество вычислений и самостоятельные исследования.<br /> <br /> === Чему вы научитесь? ===<br /> # Чтение самых свежих английских статей.<br /> # Машинное обучение.<br /> # Нейронные сети, рекуррентные нейронные сети и LSTM сети.<br /> # Почувствуете себя исследователем.<br /> <br /> === Какие начальные требования? ===<br /> # Наличие машины с UNIX-подобной ОС, владение командной оболочкой<br /> # Вы должны писать на Python 3<br /> # Необходимы знания Git, однако я всегда помогу в сложной ситуации<br /> # Желательны базовые знания о машинном обучении<br /> <br /> === Какие будут использоваться технологии? ===<br /> # В качестве основного языка будет Python 3.<br /> # Нейронные сети мы будем обучать скорее всего с помощью [https://github.com/Theano/Theano Theano].<br /> # Так же вы можете проводить вычисления на ресурсах [https://aws.amazon.com/ru/ aws] или воспользоваться [https://cloud.google.com google cloud].<br /> <br /> === Темы вводных занятий ===<br /> Будем планомерно погружаться в тему, весь 2 и 3 модули. Также каждый участник проекта сделает доклад статьи на схожую тему.<br /> <br /> === Направления развития ===<br /> # Это абсолютно свежая тема для исследований. Изучать статьи и проводить свои эксперименты можно просто до бесконечности.<br /> # Для демонстрации своих достижений вы можете сделать какой-нибудь телеграм-бот.<br /> <br /> === Критерии оценки ===<br /> # Необходимым, но не достаточным критерием получения &quot;зачет&quot; и выше является доклад на семинаре.<br /> # Также формальным критерием кураторов является наличие запускаемого программного обеспечения, которое демонстрирует ваши достижения. К примеру, скрипты, воспроизводящие результаты экспериментов.<br /> # В рамках проектах вы будете выполнять небольшие обучающие задания и проводить эксперименты. Их выполнение в срок и будет оцениваться. А дальше мы просто проагрегируем ваши результаты.<br /> # Для получения оценки от 8 и выше необходимо воспроизвести результат авторов статьи хотя бы в урезанном виде.<br /> <br /> === Ориентировочное расписание занятий ===<br /> Семинары будут проходить в стенах Яндекса каждую неделю в фиксированный день (вторник, среда или четверг). Если будет желание, то можно несколько раз в выходные провести своеобразные хакатоны: собираемся вместе на целый день, работаем, общаемся и трескаем пиццу.</div>

imported>GalinaKaleeva