Написать и обучить модель-автокодировщик на датасете на выбор: CIFAR10, CIFAR100. Обучить модель-классификатор на латентных представлениях обученного автокодировщика.
Шаг 1. Подготовка инфраструктуры.
Создание окружения, организация структуры репозитория, загрузка датасетов.
Шаг 2. Реализовать модель-автоенкодер.
Выбрать архитектуру и реализовать ее совместно с процедурой обучения, подходящей для выбранного датасета. Важно обратить внимание на выбор размерность скрытого состояния. Обосновать свой выбор.
Шаг 3. Обучить автоенкодер.
Нужно обучить реализованную архитектуру на скаченном датасете. Оценить качество работы модели.
Шаг 4. Реализовать модель-классификатор.
Реализовать небольшую модель классификатор на скрытых представлениях уже обученного автоенкодера. Реализовать пайплайн обучения данной модели.
Шаг 5. Обучение модели классификатора и визуализация результатов.
На этом шаге требуется обучить модель классификатор и оценить ее качество. Подумайте, в каком виде было бы удобно провести демонстрацию результатов?
Шаг 6. Выводы и идеи.
Проведите анализ результатов, сделайте несколько выводов на основе полученных рузультатов. Предложите свои идеи, как можно улучшить текущие результаты.
- Реализация и оформление кода на github.
- Соответствие решения тестовому заданию.
- Оформление результатов.
- Любые релевантные мысли, идеи и соображения.
- Будет плюсом проведение нескольких экспериментов и их анализ.
Резюме можно отправлять на почту info@machine-intelligence.ru или через форму на сайте.