# CNN-классификатор

## Теория перед выполнением

Прочитайте [основы CNN и augmentation](../notes/01_convolutions_and_cnn.md) и
[классические CNN/ResNet](../notes/02_classic_architectures_and_resnet.md).

## Цель

Обучить небольшую CNN на Fashion-MNIST или CIFAR-10.

## Что сделать

1. Сформулировать ожидаемый результат до запуска эксперимента.
2. Реализовать простой baseline.
3. Реализовать основной метод самостоятельно настолько, насколько требует задание.
4. Добавить автоматические проверки ключевых вычислений.
5. Провести эксперимент, сохранить метрики и примеры ошибок.
6. Заполнить отчёт по `common/REPORT_TEMPLATE.md`.

## Результат

Конфиг, кривые обучения, confusion matrix и каталог ошибок.

Решение разместите рядом в `solution/`. Не коммитьте большие данные,
веса или секреты.

## Критерии приёмки

- Есть baseline, augmentation применяется только к train, ошибки проанализированы по классам.
- Код читаем, разбит на функции и запускается по инструкции.
- Выводы подтверждаются измерениями и не выходят за пределы эксперимента.

## Вопросы для самопроверки

- Почему выбран именно этот метод и какой baseline он должен превзойти?
- Где здесь возможна утечка данных или некорректная оценка?
- Как изменится результат при других данных или ограничениях?
- Какую ошибку модели вы считаете наиболее важной и почему?