Страница курса с видеолекциями и практическими заданиями.

1. Распознавание рукописных цифр из набора данных MNIST - mnist. Используется полносвязная и сверточная нейронные сети.
2. Распознавание объектов на изображениях из набора данных CIFAR-10 - cifar10. Используется сверточная нейронная сеть.
3. Определение тональности отзывов на фильмы из IMDB Movie Review Dataset - imdb. Используется рекуррентная сеть LSTM.
4. Прогноз стоимости домов для набора данных Boston Housing - regression. Пример решения задачи регрессии.
5. Использование предварительно обученных нейронных сетей - pretrained_networks
6. Сохранение обученной нейронной сети - saving_models.
7. Примеры задач компьютерного зрения - computer_vision.

1. Python 3.
2. Библиотека глубокого обучения Keras.
3. Библиотеки TensorFlow или Theano (используются в качестве вычислительного бекенда для Keras).

Инструкция по установке:

• Keras и TensorFlow в Anaconda.
• Keras и Theano в Anaconda.

Примеры тестировались с TensorFlow. При использовании Theano возможны проблемы из-за разных подходов к хранению изображений.

При реализации проекта используются средства поддержки, выделенные в качестве гранта на основании конкурса, проведенного Общероссийской общественно-государственной просветительской организации «Российское общество «Знание».