NeuroWorkshop: одноденне занурення у нейронні мережі

Дмитро Сошников

Senior Technical Evangelist, Microsoft

28 листопада

з 9:30 до 17:00

iHUB

вул. Хрещатик, 10

Facebook

28 листопада відбудеться воркшоп “NeuroWorkshop: одноденне занурення у нейронні мережі” під керівництвом Дмитра Сошникова, Senior Technical Evangelist, Microsoft.

У даний час всі основні успіхи штучного інтелекту пов’язані з нейронними мережами і deep learning. Нейронні мережі можуть розпізнавати емоції людини по фотографії, перетворювати фотографії в картини в стилі відомих художників, розуміти та синтезувати природну мову.

В ході тренінгу ви «з нуля» познайомитесь з усіма основними поняттями, а також навчитесь використовувати інструментарій Microsoft Cognitive Toolkit (CNTK) для розпізнавання зображень і синтезу текстів.

Вимоги до учасників:
Для успішної участі буде корисним знання мови Python, принаймні на рівні читання програм. Наявність доступу до хмари Microsoft Azure є бажаним, але не обов’язковим.

Дмитро Сошников

Дмитро працює в Microsoft більше 10 років. Як старший технологічний євангеліст він займається популяризацією найсучасніших технологій Microsoft, а також їх застосуванням на практиці для цифрової трансформації в різних компаніях і проектах. Особисто провів кілька десятків хакатонів, частий спікер на профільних IT-конференціях.

Кандидат фізико-математичних наук, доцент, викладає штучний інтелект і функціональне програмування у МФТІ, НДУ ВШЕ, МАІ. Автор ряду книг і онлайн-курсів. У вільний час залучає дітей до технологій, займається цифровою магією і проводить китайські чайні церемонії.

Для кого:
даний захід призначений для тих, хто хоче за один день розібратися в тому, що таке Neural networks та deep learning. Навчитися на практиці вирішувати такі завдання, як розпізнавання зображень, природної мови, використовувати методи в задачах прогнозування та NLP.

Програма воркшопу

Блок 1
1. Введення в Azure Notebooks і Python
2. Введення в нейромережі. одношаровий персептрон
3. Введення в Cognitive Toolkit. Рішення завдання класифікації одношаровими і багатошаровими мережами

Блок 2
4. Лабораторна робота. Iris Classification
5. Аналіз зображень. Згорткові мережі

Блок 3
6. Лабораторна робота. Розпізнавання рукописних цифр (MNIST)
7. Тонкощі навчання глибоких мереж (Batch Normalization, Dropout)
8. Аналіз послідовностей. рекурентні мережі

Блок 4
9. Лабораторна робота: розпізнавання котиків
10. QA