В современном мире глубокое обучение (Deep Learning) стало ключевым инструментом для решения сложных задач в различных областях, от компьютерного зрения до обработки естественного языка. Этот курс предлагает вам возможность погрузиться в мир нейронных сетей и освоить их применение в реальных бизнес-сценариях.

На курсе мы создадим прочный фундамент для вашего дальнейшего углубления в Deep Learning. Вы научитесь методам построения и обучения нейронных сетей, что позволит вам понять их возможности и ограничения. Мы будем использовать популярный фреймворк PyTorch, который является стандартом в индустрии и научных исследованиях, что даст вам необходимые навыки для работы с современными моделями.

Курс включает в себя теоретические лекции и практические задания, которые помогут вам применить полученные знания к реальным задачам. Мы будем изучать последние достижения в области глубокого обучения и разбирать, как они могут быть использованы для решения актуальных бизнес-проблем.

Этот курс будет полезен как начинающим специалистам в области машинного обучения, так и тем, кто хочет расширить свои знания в Deep Learning. Вы получите не только теоретические знания, но и практический опыт, работая над проектами, которые могут стать основой для вашего портфолио.

Академическая нагрузка

Пререквизиты

Руководители курса

Untitled

Фича курса

Залог успеха в DL – выбор правильной модели. В курсе ты сможешь поработать с лучшими на сегодняшний день моделями, чтобы быть готовым применить их в задачах, с которым столкнешься в своей карьере.

Результат курса

Тематический план курса

В курсе излагаются классические модели глубокого обучения, рассматриваются решения различных задач на изображениях, текстах и звуках с помощью написания собственных архитектур и адаптации уже существующих решений.

Блок 1 Базовые принципы нейроннных сетей
1.1 Нейронные сети
1.2 Эффективное обучение нейронных сетей
1.3 Сверточные нейронные сети
1.4 Архитектуры сверточных нейронных сетей
Блок 2 Продвинутые архитектуры нейронных сетей с примерами задач
2.1 Задачи с изображениями
2.2 Визуализация нейросетей
2.3 Перенос стиля
2.4 Рекуррентные нейросети
2.5 Задачи с текстами
2.6 Трансформеры
2.7 Языковые модели (GPT)
2.8 Prompt Engineering
2.9 Задачи со звуком
2.10 Генеративные модели

Система оценивания