https://github.com/ark2016/vk-technopark-ann

https://github.com/ark2016/vk-technopark-ann

ai ann artificial-neural-networks asr bmstu cv nlp technopark vk

Last synced: 3 months ago
JSON representation

• Host: GitHub
• URL: https://github.com/ark2016/vk-technopark-ann
• Owner: ark2016
• Created: 2024-11-03T10:58:41.000Z (7 months ago)
• Default Branch: main
• Last Pushed: 2024-12-29T09:58:31.000Z (5 months ago)
• Last Synced: 2025-02-19T10:18:34.722Z (3 months ago)
• Topics: ai, ann, artificial-neural-networks, asr, bmstu, cv, nlp, technopark, vk
• Language: Jupyter Notebook
• Homepage:
• Size: 6.65 MB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
# 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:

  ```bash

  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](https://github.com/ark2016)

Домашние задания выполнены в рамках курса Технопарк VK.