Исследование эффективности сверточных и трансформерных архитектур в задачах NLP и Computer Vision.
Анализ и сравнение работы сверточных нейросетей (CNN) и Vision Transformers (ViT).
Тонкая настройка (Fine-Tuning) компактных языковых моделей для оптимизации контекста.
Квантование и дистилляция знаний для запуска моделей на edge-устройствах.
Этап: Финальное тестирование и сведение метрик (F1-Score, Loss Curves).
Исходные материалы и веса публикуются по завершении рецензирования.