О чём курс

Ты разберёшься, как проектировать полноценные системы глубокого обучения, где несколько нейросетевых моделей работают как единый механизм. Курс подходит тем, кто уже освоил основы Deep Learning и хочет проектировать архитектуры.

Ты пройдёшь путь от классических свёрточных и рекуррентных сетей до трансформеров и мультимодальных решений, применяя каждую архитектуру в реальной части большого сквозного проекта.

Фича курса. Соберёшь рабочий проект из нескольких блоков: детектирование регистрационного знака на изображении (CNN) → распознавание текста (CRNN + Attention) → синтез речи (Transformer TTS).

Условия поступления на курс

Пререквизиты:

• «Разработка на языке Python» (любой трек).
• Один из двух курсов:
  • «Основы математики для Data Science»,
  • «Прикладная математика в Machine Learning».

Кореквизиты: нет.

Для каких потоков доступен: Deep Learning.

Лимит по количеству студентов: 20 человек.

Академическая нагрузка

• 1 лекция в неделю.
• 1 семинар в неделю.

Команда курса

Тематический план

Курс состоит из четырёх тематических блоков.

• В первом ты познакомишься с современными свёрточными моделями и узнаешь, как их использовать в задаче детектирования объектов на изображении.
• Во втором блоке сформируешь представление о работе рекуррентных моделей и узнаешь, как их можно объединить со свёрточными моделями для решения задачи распознавания текста на изображении.
• В третьем блоке ты узнаешь, как работают модели типа «трансформер» и как их применить в задаче генерации речи из текста.