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:

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