В итоге выбрал… прикладную тему «Community detection для улучшения товарных эмбеддингов». Одна из востребованных архитектур - transformer и autoencoder, позволяющая представлять текст, картинки, клиенские данные и прочее в виде векторов (в моем случае это товары) и в дальнейшем выполнять разные задачи уже с этими векторами низкой размерности (у меня это matching, то есть поиск сообществ). Обязательно еще напишу подробные посты с картинками об этом) Можно было выбрать обе темы, тогда одну из них оформили бы как факультатив с такой же защитой и получением оценки, но после созвона с руководителями и понимания, насколько лично мне задачи сложны на данный момент (пусть и на их выполнение дается целый учебный год), решил ничего не выдумывать и сконцентрироваться только на прекрасном проекте с эмбеддингами, который отлично ляжет в резюме и будет не менее отлично продавать меня на собесах, пусть так оно и будет 🙏 Сама задача напрямую связанна с Яндексом, а точнее с Яндекс.Маркетом и товарами из раздела электроника, что вообще приятно. Примерно сразу после созвона пошел смотреть все лекции МТС на тему нейросетей, и это очень хорошо… так получилось, что этот блок выпал на загруженный июнь и показался правда сложным, из-за чего плохо разобрался( Обидно, конечно, что не посмотрел лекции и семинары перед созвоном, но с другой стороны, тогда бы я не обрадовал руководителя своими затупами, ответами «не знаю, но изучу» и отсутствием практики на PyTorch (мне нужно его выучить 🤓), было правда забавно и кринжово)) Теперь каждый вторник буду рассказывать ему о проделанной работе. Думаю, все получится, времени много, и, кажется, рук тоже так думает) Про PyTorch - спасибо, что есть прекрасный сайт ФКН Wiki и записи почти всех курсов, в три клика можно найти семинары 3 курса по дисциплине «Глубинное Обучение 1» и даже в тг группы вступить) Возможно, первую домашку буду за одного третьекурсника решать, до дедлайна чуть больше двух недель + проект мне 🤓 Вообще есть идея (и я начал ее реализовывать) сделать один большой теханный файлик по всей теме Neural Networks и писать туда вообще все, что читаю или смотрю где-либо. Если в итоге это сделаю - буду очень доволен и поделюсь им) В целом так можно делать со всеми изучаемыми темами, как-будто крайне полезно, но буду думать, возможно, слишком времязатратно 😢 Веселый год с этим курсачем ожидается, но проект правда крутой и очень интересный, так что максимально рад, хорошо свои знания подтяну)