Проектная работа курса «Нейронные сети на Python»

Для систематизации знаний и закрепления полученной информации большинство обучающих курсов в OTUS заканчивается выполнением проекта. Это серьёзная работа, которая важна не только с точки зрения практической реализации полученных навыков, но и приносит реальную материальную пользу, так как становится своеобразным кейсом в портфолио.

На курсе «Нейронные сети на Python» проект может представлять из себя: 1. Реализацию глубокой нейронной сети для таких задач, как порождения текстов или изображений с заданными стилем и тематикой; 2. Реализацию вспомогательных библиотек, например, упрощающих проектирование и обучение нейронных сетей.

Этапы подготовки проекта

Создание выпускного проекта подразумевает несколько этапов:: 1. Выбор тематики; 2. Сбор и подготовку данных; 3. Проектирование модели или имплементацию кода; 4. Представление результатов на Хабре или GitHub.

Работа над проектом начинается после трёх блоков курса и продолжается в течение двух недель после окончания курса. Готовый проект включает в себя код модели и её обучения, описание архитектуры модели, отчёт об обучении модели, примеры генерации.

Для решения поставленных задач выпускники выбирают готовую или проектируют собственную архитектуру нейронной сети, реализуя её на Python с помощью фреймворка PyTorch.

Примеры тем проекта

Знания, полученные на курсе, позволяют студентам выполнять проекты на следующие темы: — имплементация универсального класса оптимизатора, обобщающего различные методы градиентного спуска для PyTorch; — состязательная нейронная сеть для порождения изображений рукописного текста с заданным стилем; — генеративная модель повышения разрешения изображений; — рекуррентная состязательная seq2seq архитектура для порождения стихотворений на основе обычного текста.

Хотите задать вопрос? Пишите комментарий!