См. также раздел "Ограниченный доступ"

• Формат данных TAIGA-optics (до моделирования триггера установок)
• Формат данных IACT (после моделирования триггера)
• Формат данных TAIGA-HiSCORE (после моделирования триггера)
• Статистика моделирования

• Нормализующие потоки. Часть 1: Общее введение.
• Нормализующие потоки. Часть 2: Детектирование аномальных и редких явлений.

• Аугментация данных АЧТ в стерео режиме.

Более подробно см. Git за полчаса

Предварительно на локальный компьютер должен быть установлен git/

Основной принцип работы с git - это скачать/создать необходимый репозиторий на локальный компьютер, сделать необходимые изменения и выложить новую версию в хранилище.

1. Скачиваем репозиторий на локальный компьютер:

   $ git clone https://thepgt.sinp.msu.ru/TAIGA-AI/repo_name 
   $ git clone https://thepgt.sinp.msu.ru/TAIGA-AI/IACT.git  (*например*)

2. Переходим в директорию со скаченным репозиторием

   $ cd repo_name

3. Создаем/модифицируем нужные файлы, директории
4. Подготавливаем новые файлы к комиту:

   $ git add file1 file2 ... 
   $ git add -A                                              (*for all files*)

5. Делаем комит репозитория:

   git commit file1 file2 ...
   git commit -A                                             (*for all files*)

   На этом этапе фиксируется новое состояние локального репозитория

6. Отправляем изменения на удаленный сервер:

   git push

• Медианный фильтр
• Автоэнкодер
• Статья про контрастное обучение (SimCLR): Chen T., Kornblith S., Norouzi M., and Hinton G. (2020). A simple framework for contrastive learning of visual representations. In International conference on machine learning (pp. 1597--1607). PMLR.