В быстро развивающемся мире глубокого обучения (Deep Learning) успешные специалисты должны не только понимать основные концепции, но и владеть особенностями, которые позволяют создавать эффективные и надежные модели. Этот мини-курс предназначен для тех, кто уже освоил базовые принципы разработки моделей и хочет углубить свои знания и навыки.
В рамках курса мы рассмотрим систематизируем текущие ваши знания и навыки, рассмотрим различные современные архитектуры нейронных сетей для решения задач из различных доменов. Вы научитесь писать эффективный код с использованием лучших практик, что позволит вам оптимизировать производительность и качество ваших решений. Также будет уделено внимание неочевидным подводным камням, которые могут возникнуть на различных этапах разработки и внедрения моделей.
Курс будет полезен как тем, кто хочет углубить свои знания в области глубокого обучения, так и тем, кто стремится к карьерному росту в этой области. Вы будете работать над одним большим проектом, использующий несколько нейросетевых архитектур для решения различных задач, что поможет вам применять полученные знания в реальных сценариях.
Этот курс подойдет тем, кто хочет:
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 |