Этот мини-курс углубляет основной курс Deep Learning и готовит специалистов, которые будут работать в DL-командах лучших компаний. В курсе мы подробно разберемся в нюансах архитектур и разберем примеры написания эффективного кода. Отдельный фокус курса – неочевидные подводные камни, которые могут повлиять на качество решения задачи.
Полноценный DL-powered проект
Ты будешь готов проходить DL-секцию собеседований
| Тема | |
|---|---|
| 1 | Постановка проектной задачи. Декомпозиция на подзадачи. Исследование проектных данных, преобразования над ними. Постановка экспериментов и написание конвейера обучения |
| 2 | Дизайн и особенности сверточной архитектуры для решения проектной задачи |
| 3 | Задача детектирования объектов, архитектура YOLO |
| 4 | Ретроспектива рекуррентных нейросетей |
| 5 | Ретроспектива подходов к распознанию текста на изображениях, Encoder-Decoder, CRNN |
| 6 | Ретроспектива транфсормеров, эффективное написание трансформеров. MAMBA |
| 7 | Ретроспектива подходов к генерации речи из текста |
| 8 | Подведение итогов проекта |
| Активность | Вес | Описание |
|---|---|---|
| Домашние задания | 100% | Студентам будет предложены домашние задания по темам недели |
| Бонусная активность | 10% | Активный багрепорт, участие в опросах, бонусные квизы и др. |
Обман, плагиат и любые другие нарушения академической этики на программе недопустимы. В случае нарушений студенты могут быть отчислены с программы.
Ты можешь обсуждать домашние задания с другими студентами, но для всех индивидуальных задач ты должен написать финальное решение самостоятельно. Если ты обсуждал идею решения с кем-то из однокурсников, укажи это в комментарии к своему решению.