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.

Пререквизиты

Академическая нагрузка

Руководители курса

Untitled

Фича курса

Полноценный DL-powered проект

Результат курса

Ты будешь готов проходить DL-секцию собеседований

Тематический план курса

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

Система оценивания

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.

Политика академической честности

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.

Ментальное здоровье