Образовал

Deep Learning

Сложность
Сложность
Продвинутый
Тип обучения
Тип обучения
Курс
Формат обучения
Формат обучения
Записанные лекции
Трудоустройство
Трудоустройство
Содействие
Стоимость курса
31 500 ₽
есть рассрочка

Для кого этот курс
Для дата-сайентистов
Глубже разберёте работу с нейронками, чтобы браться за более сложные и интересные задачи



Для инженеров данных
Получите инструменты для углубления навыков и сможете перейти в команду создания дата-продуктов на уровне middle+



Для программистов и разработчиков
Смените траекторию и войдёте в самую горячую профессиональную область. Практику с курса можно смело включить в резюме

Что вы получите после обучения
Приобретаемые навыки
1
NLP
2
Машинное обучение
3
Python
4
NumPy
5
Компьютерное зрение
Вас будут обучать
Data Scientist, фрилансер
Data Scientist в ДомКлик.ру
Руководитель направления R&D в сфере понимания и обработки естественного языка, Just AI
Владельцы курса

«Нетология» — это быстрый способ научиться интернет-продвижению и управлению проектами онлайн. Открытые занятия, онлайн-интенсивы и интерактивные курсы для быстрого обучения.

Нетология – это онлайн-университет по подготовке и дополнительному обучению специалистов в области самых востребованных интернет-профессий. Преподают в этом университете высококлассные специалисты, работающие в таких компаниях как Google, Яндекс, Mail.ru, Альфа-Банк и других крупнейших компаниях. Многие из них являются владельцами собственных успешных онлайн-бизнесов.

Нетология была основана в 2011 году. Сооснователями площадки являются предприниматель Максим Спиридонов, являющийся генеральным директором Нетологии, и его жена Юлия Спиридонова-Микеда, которая, собственно, и придумала концепцию проекта.

О Нетологии писали такие издания, как РБК Daily, Ведомости, Аргументы и Факты, Лайфхакер, Lenta.ru, Slon и многие другие.

Сам Максим Спиридонов ведёт колонку в Forbes, является автором и ведущим аналитической программы «Рунетология», гостями которой являются крупные эксперты в области онлайн-бизнеса. Максим принимал участие в создании и руководил десятками крупнейших веб-проектов, среди которых такие проекты, как подкаст-терминал Pod.fm, журнал «ШколаЖизни.ру», сервис «БобрДобр.ру», сайт социальных закладок Memori.ru, интернет-энциклопедия Calend.ru и форекс-брокер FreshForex. Является автором книги «Кто управляет русским интернетом». В общем, ясно, что человек является крутейшим знатоком своего дела.

Нетология является резидентом Сколково и имеет лицензию государственного образца (№037356 от 06 апреля 2016 г.)

Программа курса

Пререквизиты
Напомним, что важно знать и уметь, чтобы учиться на курсе: — уметь программировать на Python;— знать основы машинного обучения (терминология, основные метрики, которые используются при решении задач машинного обучения: accuracy, precision, recall, MSE);— знать библиотеки pandas, numpy, sklearn. 
• Python & NumPy & etc
• Линейная алгебра
• Дифференцирование
• Тервер и матстат
• Теорема Байеса

Персептрон
Изучите основны глубокого машинного обучения. Научитесь работать с тензорами, строить простейшую нейронную сеть и цикл обучения сети.
• Линейная регрессия
• Логистическая регрессия
• Персептрон

Многослойная нейронная сеть
Научитесь строить многослойную сеть со слоями для регуляризации и использовать различные оптимизаторы.
• Многослойный персептрон
• Переобучение & недообучение
• Регуляризация
• Градиентный спуск

Свёрточные сети
Научитесь использовать различные элементы архитектур для проектирования и создания сетей, а также предобученные сети — Fine-tuning.
• Свёртки
• Padding and stride
• Pooling
• LeNet

Современные свёрточные архитектуры
Изучите основные этапы развития свёрточных сетей и применяемые подходы и архитектуры.
• AlexNet
• VGG
• NiN
• GoogLeNet
• ResNet
• DenseNet

Рекуррентные сети
Научитесь строить рекуррентные нейронные сети с использованием emmbedding-слоя. Сможете генерировать текст на основе символьной rnn-модели. Разберёте недостатки и проблемы классических рекуррентных сетей. Узнаете, как устроены GRU и LSTM-ячейки и как их использовать. Научитесь строить многослойные и двунаправленные нейронные сети. Потренируетесь решать задачи машинного перевода на основе рекуррентных сетей.
• Обработка текстов
• Рекуррентная сеть
• Backpropagation through time
• Проблемы классических RNN
• GRU и LSTM
• Различные типы задач recurrent-networks
• Deep RNN
• BiRNN
• Encoder-Decoder архитектура

Механизм внимания
Научитесь встраивать механизм внимания в рекуррентные сети.
• Attention
• Beam Search

Компьютерное зрение
Научитесь использовать готовые реализации структурных элементов алгоритмов для детекции на основе нейронных сетей с помощью пакета torchvision. Узнаете, как строить нейронные сети типа U-net для решения задачи семантической сегментации. Научитесь применять подход градиентного спуска для модификации картинки. Разберётесь, как переносить стиль с картинки на картинку.
• Object Detection
• Region Based CNN
• Семантическая сегментация и подготовка датасета
• Deconvolution (Transposed Convolution)
• Fully Convolutional Network
• Перенос стиля
• Определение пород собак

Работа с текстом
Научитесь строить векторизаторы слов на основе нейронных сетей. Разберётесь, как применять готовые реализации векторизаторов и использовать предобученные веса. Научитесь строить нейронные сети на основе архитектуры Transformer. Сможете решать задачу классификации текста с использованием трансформеров.
• Embeddings
• Word2Wec
• FastText
• Transformer
• Bert
• Elmo

GAN
Научитесь применять обычные и вариационные автоэнкодеры и строить архитектуру генеративных состязательных сетей.
• Базовая архитектура
• Идея дискриминатора и генератора

Итоговый проект
Вы самостоятельно выберете тему диплома и в течение месяца будете работать над проектом под руководством экспертов курса. По итогу вы защитите диплом перед экспертом. 

Рейтинг
4.6
рейтинг
0
0
0
0
0
Deep Learning
Оставить отзыв
Поделиться курсом с друзьями