Мова викладання в курсі — російська. Незабаром буде доступна українська версія цього курсу.
Відеозаписи лекцій без зворотного зв'язку та участі викладача. Ви отримаєте доступ до матеріалів одразу після оплати.
Що дасть вам цей курс
У перших двох модулях курсу ми розбираємо всю необхідну теорію для подальшого занурення в глибоке навчання, вивчаємо основні фреймворки (PyTorch, Keras, Tensorflow) для розроблення нейронних мереж і розв'язуємо класичні завдання комп'ютерного зору, опрацювання природних мов і навчання з підкріпленням.
Третій модуль присвячений сучасним підходам до розв'язання класичних задач комп'ютерного зору та обробки природних мов. Ми дізнаємося, як від передбачувальних моделей перейти до генеративних, навчимося працювати з нестандартними уявленнями даних і розв'язувати задачі в умовах недостатньої розмітки.
У четвертому модулі обговорюються підходи до розв'язання завдань, які традиційно вважалися "людськими". Ми поговоримо про фантазію, наслідування, використання власного досвіду та неструктурованих даних.
— Научитесь работать с нейронными сетями с использованием фреймворков PyTorch, Tensorflow, Keras
— Изучите теорию и практику по таким важным направлениям Deep Learning как Computer Vision, NLP, обучение с подкреплением
— Самый современный материал про глубокое обучение
— Программа подготовлена признанным экспертом по глубокому обучению
Необхідні знання
— Знание линейной алгебры, начала анализа и теории вероятностей.
— Владение языком программирования Python на базовом уровне.
— Базовые знания классических алгоритмов машинного обучения: метод градиентного спуска, линейная и логистическая регрессия.
Програма навчання
У процесі навчання ви отримаєте комплексні знання та навички.
Модуль 1 Перші кроки
Тема 1. Штучний інтелект та інші задачі, які можна вирішувати за допомогою нейронних мереж
Тема 2. Стохастичний градієнтний спуск і метод зворотного поширення
Тема 3. Перша нейронна мережа на PyTorch
Тема 4. Перенавчання та регуляризація нейронних мереж
Тема 5. Перша нейронна мережа на Tensorflow
Тема 6. Вибух і загасання градієнтів
Тема 7. Занурення в Tensorflow
Тема 8. Адаптивні методи градієнтного спуску
Модуль 2 Основні архітектури та методи навчання нейронних мереж
Тема 9. Основні архітектури нейронних мереж: Автокодувальники
Тема 10. Практичне заняття на TensorFlow. Розріджений автокодувальник
Тема 11. Основні архітектури нейронних мереж: Згорткові мережі
Тема 12. Практичне заняття на Keras. Transfer Learning
Тема 13. Основні архітектури нейронних мереж: Рекурентні мережі
Тема 14. Практичне заняття на PyTorch. Генерація Вікіпедії
Тема 15. Введення в навчання з підкріпленням
Тема 16. Практичне заняття. Хрестики-нулики
Модуль 3 Сучасні нейронні мережі для задач комп'ютерного зору та обробки природних мов
Тема 17. Сучасні згорткові мережі. Блоки та шорткати
Тема 18. Сучасні рекурентні мережі. Увага
Тема 19. Сучасні рекурентні мережі. Трансформери
Тема 20. Metric-learning і навчання без прикладів
Тема 21. Сучасні згорткові мережі. Transfer learning і fine-tuning
Тема 22. Катастрофічне забування
Тема 23. Глибокі згорткові мережі. Сегментація
Тема 24. Глибокі згорткові мережі. Детекція
Модуль 4 Нейронні мережі для слабоформалізованих задач
Тема 25. Генеративні змагальні мережі
Тема 26. Варіаційний і змагальний автокодувальники
Тема 27. Доменна адаптація та умовна генерація
Тема 28. Генеративні моделі для текстів
Тема 29. Глибоке навчання з підкріпленням
Тема 30. Зворотне навчання з підкріпленням
Тема 31. Згорткові та рекурентні мережі на графах
Тема 32. Сферичні згортки та множини точок
Відгуки
Відгуків немає, поки що.