Автор: Stepik
Название: Практический Deep Learning (2024)
Описание
Курс посвящен теоретическим и практическим основам работы с нейронными сетями. В курсе вы узнаете как устроены полносвязные, сверточные и рекуррентные нейронные сети, как они обучаются. Конечно, про трансформеры и attention mechanism вы тоже узнаете! Также вы познакомитесь с фреймворком PyTorch и напишете на нем свои первые нейронные сети.
Чему вы научитесь
Вы поймете зачем нужны нейронные сети
Как устроены и обучаются полносвязные, сверточные и рекуррентные нейронные сети
Узнаете о различных фреймворках для работы с нейронными сетями и научитесь использовать PyTorch для создания и обучения сетей
Узнаете как работают трансформеры и причем здесь механизм внимания
Подготовитесь отвечать на вопросы с собеседований на позицию Data Scientist по пройденным темам
О курсе
Цель курса: познакомить слушателей с основами области Deep Learning и дать им теоретическую и практическую базу для дальнейшнего изучения нейронных сетей.
Курс состоит из нескольких уроков, в каждом из которых рассказывается необходимая теория, подкрепленная примерами из практики. Также в большинстве уроков есть домашнее задание для закрепления пройденного материала.
В конце курса вас ждет модуль, в котором мы подготовим вас к ответам на вопросы с собеседований на позицию Data Scientist по темам курса.
Важно! Курс находится в процессе наполнения, новый модуль выходит каждые две недели.
Для кого этот курс
Курс будет интересен слушателям, знакомым с областью машинного обучения и желающим начать фундаментально изучать глубинное обучение.
Курс содержит необходимые знания для освоения следующих курсов, посвященных различным приложениям глубинного обучения ("Продвинутые методы глубинного обучения", "Генеративные модели" и другие).
Программа курса
Организация курса
Полносвязные нейронные сети
Обучение нейронных сетей
Введение в PyTorch
Ускорение обучения и снижение переобучения
Основы обработки естественного языка
Основы компьютерного зрения
Современное компьютерное зрение
Рекуррентные нейронные сети
Attention
Трансформеры: теория
Вопросы с собеседований
Что вы получаете
Наши преподаватели
Елена Кантонистова. Кандидат физико-математических наук, выпускница школы анализа данных Яндекса (ШАД)
Евгений Паточенко. Специалист по машинному обучению, преподаватель НИУ ВШЭ.
Марк Блуменау. Исследователь в областях компьютерного зрения, физики Солнца и квантовых материалов. Преподаватель НИУ ВШЭ.
Подробнее:
Скачать:
Название: Практический Deep Learning (2024)
Описание
Курс посвящен теоретическим и практическим основам работы с нейронными сетями. В курсе вы узнаете как устроены полносвязные, сверточные и рекуррентные нейронные сети, как они обучаются. Конечно, про трансформеры и attention mechanism вы тоже узнаете! Также вы познакомитесь с фреймворком PyTorch и напишете на нем свои первые нейронные сети.
Чему вы научитесь
Вы поймете зачем нужны нейронные сети
Как устроены и обучаются полносвязные, сверточные и рекуррентные нейронные сети
Узнаете о различных фреймворках для работы с нейронными сетями и научитесь использовать PyTorch для создания и обучения сетей
Узнаете как работают трансформеры и причем здесь механизм внимания
Подготовитесь отвечать на вопросы с собеседований на позицию Data Scientist по пройденным темам
О курсе
Цель курса: познакомить слушателей с основами области Deep Learning и дать им теоретическую и практическую базу для дальнейшнего изучения нейронных сетей.
Курс состоит из нескольких уроков, в каждом из которых рассказывается необходимая теория, подкрепленная примерами из практики. Также в большинстве уроков есть домашнее задание для закрепления пройденного материала.
В конце курса вас ждет модуль, в котором мы подготовим вас к ответам на вопросы с собеседований на позицию Data Scientist по темам курса.
Важно! Курс находится в процессе наполнения, новый модуль выходит каждые две недели.
Для кого этот курс
Курс будет интересен слушателям, знакомым с областью машинного обучения и желающим начать фундаментально изучать глубинное обучение.
Курс содержит необходимые знания для освоения следующих курсов, посвященных различным приложениям глубинного обучения ("Продвинутые методы глубинного обучения", "Генеративные модели" и другие).
Программа курса
Организация курса
Полносвязные нейронные сети
Обучение нейронных сетей
Введение в PyTorch
Ускорение обучения и снижение переобучения
Основы обработки естественного языка
Основы компьютерного зрения
Современное компьютерное зрение
Рекуррентные нейронные сети
Attention
Трансформеры: теория
Вопросы с собеседований
Что вы получаете
Наши преподаватели
Елена Кантонистова. Кандидат физико-математических наук, выпускница школы анализа данных Яндекса (ШАД)
Евгений Паточенко. Специалист по машинному обучению, преподаватель НИУ ВШЭ.
Марк Блуменау. Исследователь в областях компьютерного зрения, физики Солнца и квантовых материалов. Преподаватель НИУ ВШЭ.
Подробнее:
Скачать:
Для просмотра ссылок пройдите регистрацию
