Collection of some selected ML/DL assignments I did once and have been using as a pipeline for work in related projects ever since.

Some of them are quite difficult -- like realizing neural network solely by using numpy, or writing my own architecture for a network similar to U-Net.

Also I need to add the pipeline file with info I have been collecting...

Notebooks' content

• NN4science_1_intro.ipynb: $\dots$
• NN4science_2_linear_models.ipynb: linear classifier with well written training routine, linear regression (separately in $\mathbb{R}$ and $\mathbb{R}^n$), regularization, learning rate comparison.
• NN4science_3_classic_ML.ipynb: $\dots$
• NN4science_4_feature_engineering.ipynb: $\dots$
• NN4science_5_neural_networks.ipynb: $\dots$
• NN4science_6_CNN.ipynb: $\ldots$
• NN4science_7_batch_normalization.ipynb: $\ldots$
• NN4science_13_autoencoders.ipynb: $\ldots$

---

Course "Introduction to Deep Learning":

• DL_msu_3_MNIST_classification.ipynb: $\ldots$
• DL_msu_4_CIFAR_classification_CNN.ipynb: $\ldots$
• DL_msu_5_Transfer_Learning.ipynb: $\ldots$
• DL_msu_9_image_segmentation.ipynb: $\ldots$

---

Some homework from summer school on neural networks (August 2022):

• $\ldots$
• $\ldots$

---

Course "Practical ML":

• ML-final-project: final project using real data from delivery club. [[не забудь добавить скачивание данных не вручную, а командой с гугл диска или еще откуда-то. И ВООБЩЕ, ЧТО-ТО ЭТА ШТУКА ПЕРЕСТАЛА РАБОТАТЬ, ИСПРАВЬ НА ДНЯХ]] ____ [[Таак, и трейн все же слишком большой, чтобы залить на гитхаб (хоть он и не оч большой), точно поскорее добавить скачивание по ссылке]]

---

Мб стоит кидать сюда полезные статьи, которые я действительно разбирал. Мб не с архива, а, например, ту по теории информации с хабра.

---

Сделать ноутбук с optuna и hyperopt. https://github.com/hyperopt/hyperopt-sklearn -- охуенная штука, обожаю.