День 1, лекция 1. Евгений Соколов. Обзор нейросетевых архитектур
День 1, лекция 2. Дмитрий Ветров. Введение в байесовские методы
День 1, лекция 3. Дмитрий Кропотов. Введение в стохастическую оптимизацию
День 1. Дмитрий Кропотов / Кирилл Струминский. Семинар по байесовским методам
День 2, лекция 1. Дмитрий Ветров. Модели с латентными переменными
День 2, лекция 2. Дмитрий Ветров. Масштабируемые байесовские методы
День 2, лекция 3. Арсений Ашуха. Обзор библиотек глубинного обучения
День 2, лекция 4. Евгений Соколов. Регуляризация нейронных сетей
День 2. Арсений Ашуха / Кирилл Струминский. Семинар по вариационному автокодировщику
День 2, выступление партнера: Алексей Романенко, Лаборатория Касперского
День 3, лекция 2. Сергей Бартунов. Байесовские методы в обучении с подкреплением
День 3, лекция 3. Михаил Фигурнов. Механизмы внимания
День 3. Александр Панин / Арсений Ашуха. Семинар по механизмам внимания
День 3, выступление партнера: Михаил Биленко, Яндекс
День 4, лекция 1. Павел Темирчев. Масштабируемые методы Монте-Карло
День 4, лекция 2. Евгений Бурнаев. Гауссовские процессы и байесовская оптимизация
День 4, лекция 3. Дмитрий Кропотов. Масштабируемые гауссовские процессы
День 4. Алексей Зайцев / Ермек Капушев. Семинар по гауссовским процессам
День 5, лекция 1. Дмитрий Ульянов. Неявные генеративные модели
[DeepBayes] День 5, лекция 2. Дмитрий Молчанов. Байесовские нейросети
День 5, лекция 3. Дмитрий Молчанов. Вариационный дропаут
День 5. Дмитрий Ульянов. Семинар по генеративным моделям
Математика больших данных: тензоры, нейросети, байесовский вывод – Ветров Д.П.
Гауссовские процессы на языке Python
Word2Vec-Skip-Gram (Part-1)
Word2Vec-Skip-Gram (Part-2)
Методы обучения нейронных сетей