Всем привет! Мы начинаем лекцию через 5 минут, ссылка https://yandex.zoom.us/j/93409097735

#ШАД Пока нам не сделали страницу в LMS, отправлю ключевую информацию сюда:

* Пары проходят по понедельникам в Zoom, в феврале будут очные
* Формула оценки: домашки делятся на три блока по темам, внутри каждого блока оценка считается как среднее. Итоговая оценка — среднее блоков с весами 0.2, 0.4, 0.4, округление арифметическое. Пороги — 4 на зачет, 6 на хор, 8 на отл.
* Репозиторий со всеми материалами https://github.com/mryab/efficient-dl-systems, ветка 2022 содержит материалы прошлого года. Первая неделя появится сегодня вечером-завтра утром
* В качестве ресурсов используйте серваки ШАД и DataSphere, доступ к которой у вас уже должен быть

#ФКН Если вы хотите получить доступ к Яндекс.Облаку для выполнения домашних заданий, пожалуйста, заполните эту форму: https://forms.gle/TzYrpkxrVS6UUGsC9
Дедлайн заполнения: 27 января 12:00MSK

#ФКН #ШАД В репозитории курса появились материалы 1 недели: если вам не хватило CUDA на занятии, особенно рекомендую недавний блогпост "How to Optimize a CUDA Matmul Kernel for cuBLAS-like Performance: a Worklog"

Также опубликовано бонусное домашнее задание, которое даст вам до +2/10 баллов за первый блок домашек. Дедлайн — 22.01 08:00MSK.

У студентов ФКН на вики-странице курса появилась ссылка на Anytask вместе с инвайтом. Так как LMS пока не открыта, студенты ШАД могут сдавать задания сюда: https://forms.gle/UHxwjWvimWvNFjJU6

#ФКН #ШАД Дедлайн по бонусу обновлён, теперь это 23.01 08:00MSK.

#ШАД #ФКН Появились записи первой недели: лекция и семинар. Завтра вместе с материалами week02 они появятся в репозитории, в будущем ссылки лучше мониторить сразу в репозитории через ~пару дней после занятия

#ШАД #ФКН Пока лектора прижимает ICML, можете посмотреть материалы этой недели: лекцию и семинар.

Кстати, если вам не хватило материалов по тестированию, рекомендую почитать лекции из курсов Full Stack Deep Learning и Made With ML: там покрывается больше материала и основ работы с pytest
Там же есть два коротких туториала по работе с системами отслеживания экспериментов: в первом курсе — с Weights and Biases, во втором — с MLFlow.

#ФКН #ШАД Будьте внимательны, сегодня занятие пройдет по другой ссылке: https://us06web.zoom.us/j/82478224549?pwd=RkQrTyt3cUNIcWUwcG5NN1JSb1o4dz09
Запись по-прежнему будет опубликована, если что

#ФКН #ШАД Ноутбук с семинара по быстрым пайплайнам обновлён в репозитории: добавил более ясную струтуру, немного текстовых пояснений и пару секций, о которых говорил во время пары.

Если пропустили пару, то в ноутбуке сейчас исчерпывающие инструкции по запуску всех шагов во всех секциях.

#ФКН #ШАД На гитхабе курса появились слайды и семинарские материалы недели 2, а также домашнее задание по тестированию, конфигурации и управлению экспериментами. Дедлайн — 19 февраля 08:00MSK, в энитаске и LMS добавится в ближайшее время

#ФКН #ШАД На гитхабе курса появились слайды и записи по неделе 3.

Также немного уточнилась формулировка задания по неделе 2 (переписали пару абзацев чуть понятнее, унесли секцию про формат сдачи в конец и оговорили, что удалением тестов и поднятием порогов задание не решается) и добавились недостающие __init__.py, из-за которых раньше приходилось прописывать modeling в PYTHONPATH

#ФКН #ШАД На гитхабе курса выложено домашнее задание по третьей неделе курса.

Дедлайн 24 февраля 08:00 MSK.

Вопросы по формулировкам и багрепорты — к @topshik.

#ФКН #ШАД В формулировке ДЗ по week02 дописаны пропавшие фрагменты описания того, что нужно приложить к сдаваемому решению, а в ДЗ по week03 добавлен недостающий и поправлен имеющийся код из шаблонов.

#ФКН #ШАД На гитхабе курса выложено (на самом деле уже неделю как) домашнее задание по основам распределённого обучения.
Дедлайн — 1 марта 08:00 MSK, в LMS и Anytask появится в начале следующей недели

#ФКН #ШАД На гитхаб курса добавлена запись занятия с прошлой недели

#ФКН #ШАД На гитхаб курса добавлены записи занятий этой недели, а также опубликовано домашнее задание по data-parallel обучению.
Дедлайн — 6 марта 08:00 MSK, в LMS и энитаске, как обычно, появится в ближайшее время

#ФКН Те, кто заполнял форму на доступ к DataSphere, теперь могут начать ей пользоваться: на вкладке https://datasphere.yandex.ru/communities у вас должно было появиться сообщество effdl-ami-22_new

Правила работы следующие:
1. Создайте проект с названием <name>_<surname>, подставив ваше имя и фамилию
2. В настройках проекта можно увеличить размер хранилища до 20 гигабайт, но не больше
3. Не разрешается добавлять в проекты друг друга, а также создавать больше 1 проекта на студента
4. Датасетами пользоваться не разрешается (да и нет смысла)
5. Документация DataSphere доступна по ссылке https://cloud.yandex.ru/docs/datasphere/. Крайне рекомендуется пользоваться фоновыми операциями (https://cloud.yandex.ru/docs/datasphere/concepts/async) для продолжительных запусков

Также в ближайшее время тем, кто приложил свой публичный SSH-ключ, на корпоративную почту придет письмо с инструкциями для подключения к multi-GPU серверу