Глубокое обучение
Поможем с нуля погрузиться в одну из самых сложных и захватывающих тем - нейронные сети. Постоянная практика и реальные задачи помогут разобраться в тонкостях проектирования различных нейросетевых архитектур
5 месяцев
Онлайн занятия
Старт 4 мая
2 вебинара в неделю
для кого курс?
Для тех кто с нуля осваивает глубокое обучение и нейронные сети
Кто продолжает и хочет структурировать и углубить свои знания
Для систематизации, расширения знаний и подготовки к интервью
Для тех кто меняет профессиональный путь
Для тех кто хочет грамотно строить нейросетевые архитектуры, обучать их и выводить в продуктовые контуры
Программа курса
Тема 1
Введение в глубинное обучение. Полносвязные слои.
Тема 2
Автоматическое дифференцирование, полносвязные нейронные сети
Введение в глубинное обучение. Полносвязные слои.
Тема 2
Автоматическое дифференцирование, полносвязные нейронные сети
Тема 3
Введение в библиотеку PyTorch. Автоматическое дифференцирование
Тема 4
Оптимизация нейронных сетей, SGD, Adam/AdamW. Dropout и Batch-нормализация
Тема 5
Полносвязные нейронные сети. Общая схема пайплайна обучения на PyTorch
Введение в библиотеку PyTorch. Автоматическое дифференцирование
Тема 4
Оптимизация нейронных сетей, SGD, Adam/AdamW. Dropout и Batch-нормализация
Тема 5
Полносвязные нейронные сети. Общая схема пайплайна обучения на PyTorch
Тема 6
Метод обратного распространения ошибки. Свёртки и свёрточные слои.
Тема 7
Разбор дифференцирования, операция свертки
Тема 8
Типичная архитектура свёрточной сети на PyTorch
Тема 9
Свёртки. Поле восприятия. Параметры свёрток. Пулинг. Padding.
Тема 10
Обучение моделей из torchvision, аугментации и fine-tuning
Метод обратного распространения ошибки. Свёртки и свёрточные слои.
Тема 7
Разбор дифференцирования, операция свертки
Тема 8
Типичная архитектура свёрточной сети на PyTorch
Тема 9
Свёртки. Поле восприятия. Параметры свёрток. Пулинг. Padding.
Тема 10
Обучение моделей из torchvision, аугментации и fine-tuning
Тема 11
Извлечение признаков из свёрточных сетей. Стохастический градиентный спуск и mini-batch. Выбор размера батча. Momentum, AdaGram, Adam. Dropout.
Тема 12
BatchNorm. Инициализации весов. Аугментация данных.
Тема 13
Архитектуры свёрточных сетей. AlexNet, VGG, Inception, ResNet.
Тема 14
Архитектуры свёрточных сетей 2.
Тема 15
Методы оптимизации нейронных сейтей, PyTorch Lightning
Тема 16
Transfer learning. Интерпретация свёрточных сетей. Сегментация.
Извлечение признаков из свёрточных сетей. Стохастический градиентный спуск и mini-batch. Выбор размера батча. Momentum, AdaGram, Adam. Dropout.
Тема 12
BatchNorm. Инициализации весов. Аугментация данных.
Тема 13
Архитектуры свёрточных сетей. AlexNet, VGG, Inception, ResNet.
Тема 14
Архитектуры свёрточных сетей 2.
Тема 15
Методы оптимизации нейронных сейтей, PyTorch Lightning
Тема 16
Transfer learning. Интерпретация свёрточных сетей. Сегментация.
Тема 17
Сегментация.
Тема 18
Детекция объектов. Идентификация, metric learning.
Тема 19
Детекция объектов
Тема 20
Семантическая сегментация и детекция на PyTorch
Сегментация.
Тема 18
Детекция объектов. Идентификация, metric learning.
Тема 19
Детекция объектов
Тема 20
Семантическая сегментация и детекция на PyTorch
Тема 21
Токенизация текстов, эмбеддинги слов
Тема 22
Векторные представления слов. Word2vec. FastText. Свёрточные сети на представлениях слов.
Тема 23
Рекуррентные модели. Проблема затухания градиентов. LSTM. Seq2seq-задачи, архитектура encoder-decoder.
Тема 24
Рекуррентные нейронные сети, языковые модели
Токенизация текстов, эмбеддинги слов
Тема 22
Векторные представления слов. Word2vec. FastText. Свёрточные сети на представлениях слов.
Тема 23
Рекуррентные модели. Проблема затухания градиентов. LSTM. Seq2seq-задачи, архитектура encoder-decoder.
Тема 24
Рекуррентные нейронные сети, языковые модели
Тема 25
Генерация последовательностей, image captioning
Тема 26
Механизм внимания
Тема 27
Архитектура трансформера
Тема 28
Архитектура трансформера на PyTorch
Тема 29
Self-supervised learning, BERT, SimCLR
Тема 30
Дообучение модели BERT
Тема 31
Трансформеры для компьютерного зрения
Генерация последовательностей, image captioning
Тема 26
Механизм внимания
Тема 27
Архитектура трансформера
Тема 28
Архитектура трансформера на PyTorch
Тема 29
Self-supervised learning, BERT, SimCLR
Тема 30
Дообучение модели BERT
Тема 31
Трансформеры для компьютерного зрения
Тема 32
Автокодировщик, вариационный автокодировщик
Тема 33
Соревновательные атаки, генеративно-состязательные сети (GAN)
Тема 34
Neural Style Transfer
Тема 35
Диффузионные модели
Тема 36
Диффузионные модели Stable diffusion и другие
Автокодировщик, вариационный автокодировщик
Тема 33
Соревновательные атаки, генеративно-состязательные сети (GAN)
Тема 34
Neural Style Transfer
Тема 35
Диффузионные модели
Тема 36
Диффузионные модели Stable diffusion и другие
Тема 37
Эффективное глубинное обучение
Тема 38
Оценка неопределенности, дистилляция, прунинг, квантизация
Эффективное глубинное обучение
Тема 38
Оценка неопределенности, дистилляция, прунинг, квантизация
Консультация
Технологии / инструменты
Keras
ONNX
Hugging Face
TensorFlow
pytorch
Скоринг знаний для подготовки к интервью
Благодаря проектам пополните своё резюме
Резюме и интервью
Навык проектирования решений и их защиты для бизнес заказчика
Приобретёте навык работы в команде
Навык мониторинга метрик качества вашего решения и вывод вашего решения в продуктовый контур
Задания курса и курсовой проект
Узнаете и реализуете основные слои в глубоком обучении
Познакомитесь с большим количеством практических кейсов применения моделей
Поймёте как использовать их на практике
Научитесь строить модели глубокого обучения
Обучение
Какой получите результат
Команда курса
Преподаватели - эксперты индустрии. Учись у практиков!
Андрей Канашов
BestDoctor
Senior Data Scientist
Senior Data Scientist
Александр Брут-Бруляко
Сбер, GigaLegal
DS инженер
DS инженер
Какой получите результат
Обучение
Научитесь строить модели глубокого обучения
Поймёте как использовать их на практике
Познакомитесь с большим количеством практических кейсов применения моделей
Узнаете и реализуете основные слои в глубоком обучении
Задания курса и курсовой проект
Навык мониторинга метрик качества вашего решения и вывод вашего решения в продуктовый контур
Приобретёте навык работы в команде
Навык проектирования решений и их защиты для бизнес заказчика
Резюме и интервью
Благодаря проектам пополните своё резюме
Скоринг знаний для подготовки к интервью
Учись в своём режиме
Все вебинары и практические занятия записываются
Поддержка экспертов
Развёрнутые фидбэки от экспертов по вопросам на курсе
Практика
Большое количество практики, 2 курсовых проекта и дипломный проект
Зарплата
Популярность
Средняя зарплата data scientista около 180 т.р. в месяц по оценке hh
Острая нехватка кадров с практическим опытом как на Российском рынке, так и на зарубежном
Сложность
Курс рассчитан на глубокое погружение в машинное обучение с полного «нуля»
Будет проще если вы пройдёте курс машинное обучение
Оставить заявку
Заполните форму ниже и мы с вами свяжемся
Нажимая на кнопку «Отправить» вы соглашаетесь на обработку персональных данных и политику конфиденциальности
Оставить заявку
Заполните форму ниже и мы с вами свяжемся
Нажимая на кнопку «Отправить» вы соглашаетесь на обработку персональных данных и политику конфиденциальности
