Teaching

Consultations: do write me at m.wrochnamimuw.edu.pl, I'll be happy to answer any questions or set up a meeting to go over any material.

Programowanie współbieżne (semestr zimowy 23/24)

Laboratorium (Moodle), grupa 1, w labie 2045, piątki 10:15–12:00 (USOS)

Notatki

• Setup Java'y i VS Code
• Przydatne konstrukcje w Javie – tablice, for-each, ...
• Stos i sterta
• Konfiguracja pracy zdalnej i C++ – SSH, CMake, VS Code, CLion, praca Linuksem z Windowsa, ...

• Wzorcówka do async BankDatabase (dodatkowego ćwiczenia)

Przydatne linki

Java

• oficjalna dokumentacja klas
• the Java tutorials
• specyfikacja (bardziej techniczne)

C/C++

• C/C++ reference – zdecydowanie najlepsze źródło, choć bywa techniczne (warto dodać wyszukiwarkę do przeglądarki)
• C++ Core Guidelines – tu często można znaleźć odpowiedź na miększe pytania
• Manpages – linuxowy manual, można też czytać komendą man

Deep Neural Networks / Głębokie Sieci Neuronowe (semestr zimowy 23/24)

Laboratories (Moodle), notebooks. Group no. 8, in lab 2045, Wednesdays 16:00-17:30 (USOS)

The Neural Networks and Deep Learning free online book, recommended.

• Lab 1 solution: gradient descent, feature engineering in linear regression, cross-validation with train-val-test split, ...
• Lab 2 template: backpropagation on a multi-layer perceptron
• Slides on backpropagation.
• Slides on softmax, log-loss (and a bit on L2-reg/weight decay, momentum).
• Lab 3: start with your solution to Lab 2 and see the tasks in the main version (softmax, L2, momentum, dropout).
• PyTorch tutorial
• Lab 4: main notebook – starting with PyTorch.
• Lab 5: main notebook – deeper nets and getting to 99% on MNIST.

Other notes

• Git
• Kurs "the Missing Semester" na MIT, w szczególności shell tools.
• Przydatne polecenia w Unix