Tech
Brain
Школа анализа данных
Brain
Школа анализа данных
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.
Оставить заявку
заполните форму ниже и мы с вами свяжемся
Нажимая на кнопку "Отправить" вы соглашаетесь на обработку персональных данных и политику конфиденциальности
ноября
5 месяцев
2 вебинара
в неделю
в неделю
онлайн
Для кого курс
- 1Для тех кто с нуля осваивает глубокое обучение и нейронные сети
- 2Кто продолжает и хочет структурировать и углубить свои знания
- 3Для тех кто хочет грамотно строить нейросетевые архитектуры, обучать их и выводить в продуктовые контуры
- 4Для тех кто меняет профессиональный путь
- 5Для систематизации, расширения знаний и подготовки к интервью
Программа курса
Тема 1 Введение в глубинное обучение. Полносвязные слои.
Тема 2 Автоматическое дифференцирование, полносвязные нейронные сети
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
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
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.
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
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
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
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
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
Тема 38 Оценка неопределенности, дистилляция, прунинг, квантизация
Консультация
Технологии/инструменты
Команда курса
Преподаватели - эксперты индустрии
Учись у практиков!
Учись у практиков!
- Роман ЗахаровCEO & Founder TechBrain
Какой получите
результат
результат
1
Обучение
Научитесь строить модели глубокого обучения.
Познакомитесь с большим количеством практических кейсов применения моделей. Узнаете и реализуете основные слои в глубоком обучении. Поймёте как использовать их на практике.
Познакомитесь с большим количеством практических кейсов применения моделей. Узнаете и реализуете основные слои в глубоком обучении. Поймёте как использовать их на практике.
2
Задания курса и курсовой проект
Приобретёте навык работы в команде
Навык проектирования решений и их защиты для бизнес заказчика
Навык мониторинга метрик качества вашего решения и вывод вашего решения в продуктовый контур
Навык проектирования решений и их защиты для бизнес заказчика
Навык мониторинга метрик качества вашего решения и вывод вашего решения в продуктовый контур
3
Резюме и интервью
Благодаря проектам пополните своё резюме
Скоринг знаний для подготовки к интервью
Скоринг знаний для подготовки к интервью
- 1Учись в своём режимеВсе вебинары и практические занятия записываются
- 2Поддержка экспертовРазвёрнутые фидбэки от экспертов по вопросам на курсе
- 3ПрактикаБольшое количество практики, 2 курсовых проекта и дипломный проект
- 4ЗарплатаСредняя зарплата data scientista около 180 т.р. в месяц по оценке hh
- 5ПопулярностьОстрая нехватка кадров с практическим опытом как на Российском рынке, так и на зарубежном
- 6СложностьКурс рассчитан на погружение в "глубокое обучение" с полного "нуля"
будет проще если вы пройдёте курс машинное обучение
Стоимость
