Нейронные сети. Компьютерное зрение и библиотека PyTorch

4.2

24 ак.ч.,

начало 02 июня

Сложность

Продвинутый

Тип обучения

Курс

Формат обучения

С проверкой домашнего задания

Трудоустройство

Содействие

Сертификат

Да

Стоимость курса

37 990 ₽

есть рассрочка

Нейронные сети - прочно закрепившаяся современная технология обработки контента. На сегодняшний день многие компьютерные IT корпорации используют эту технологию для создания компьютерных роботов, чат-ботов. Наиболее известные из них Alexa (Amazon), Siri (Apple), Алиса(Yandex), O'key Google, Google Translate (Google) созданы именно с использованием данной технологии.

В данном курсе будет рассмотрен ряд нейронных сетей реализованных средствами Python с использованием библиотеки Tensorflow, а именно PyTorch, разработанной в 2017 году. Данные алгоритмы составляют базу для решения задач по компьютерному зрению и чтению, но не исчерпывают ее, поскольку область эта непрерывно развивается и совершенствуется.

Курс рекомендован:

программистам Python, специалистам в области Data Science

Вы научитесь:

- взаимодействовать с тензорами в Python
- познакомитесь с основами PyTorch
- углубите свои знания по Python
- познакомитесь с обработкой изображений средствами нейронных сетей и Python
- познакомитесь с обработкой речи и текста

Что вы получите после обучения

Приобретаемые навыки

Python

Обработка изображений

Обработка текста и речи

Cверточные нейронные сети

Взаимодействие с тензорами

Сертификат, ссылками на который можно делиться с другими людьми

Вас будут обучать

Елисеев Илья Сергеевич

курса

Преподаватель-практик с 25-летним опытом работы в области информационных технологий. Эксперт в Full-Stack разработке веб-систем с применением (MySQL, PHP/Python, nginx, HTML5), анализе и визуализации данных средствами Python (Pandas, SKLearn, Keras), разработке интерфейсов обмена данными между системами с использованием технологий REST, SOAP, EDIFACT, администрирования веб-серверов на Debian GNU Linux (php/nginx/mariadb), создании технической и пользовательской документации (на русском и английском языках).
Прошел полный путь от линейного разработчика до ИТ-директора собственной компании. За 25 лет создал около 20 корпоративных информационных систем/баз данных, более 50 прототипов, 30 веб-сайтов разного объема и наполнения. Работал над крупными проектами для таких компаний, как Maersk, Toyota, Nissan, «Россия-он-Лайн», «Гласнет». На протяжении 5 лет входит в ТОП-10 разработчиков по РФ на phpClasses.org.

Михеев Илья Николаевич

курса

Преподаватель курсов по нейронным сетям, а также по технологиям машинного обучения. Разносторонний специалист, который совмещает интерес к науке и уже достаточно обширный опыт практика. Своими знаниями он готов делиться со слушателями.
Сегодня он – специалист в области Data Science и аналитик данных. Владеет стеком современных технологий Python, Clickhouse, Spark (PySpark), scikit-learn, Pandas, NLTK, PyTorch + HuggingFace и DeepPavlov. Занимается нейронными сетями и технологиями машинного обучения.
Илья Николаевич – выпускник Московского инженерно-физического института, занимался медицинской физикой. Изучал когнитивные науки и психофизиологию в НИУ ВШЭ. Его научные исследования посвящены задачам классификации и предсказанию временных рядов, имеет публикации, в том числе на английском языке. Также вел работу в области медицины и психофизиологии, занимался лучевыми методами исследований.

Образовательная организация

Специалист

4.1

655 отзывов

Ведущий компьютерный учебный центр России с высочайшим уровнем качества обучения, сервиса и организации учебного процесса
Лучший учебный центр авторизованный Microsoft в России, Центральной и Восточной Европе в 2011-2014 гг
Центр «Специалист» — первый в России авторизованный учебный центр по обучению Adobe — Adobe Authorised Training Centre
Крупнейший авторизованный учебный центр ведущих IT-компаний мира
С 2012 г. Центр «Специалист» входит в «Круг совершенства EC-Council»

Программа курса

Модуль 1. Введение в Pytorch и тензоры (4 ак. ч.)

- Введение в курс
- Введение в нейронные сети
- Что такое PyTorch?
- Зачем использовать тензоры?
- Технические требования
- Облачные возможности
- Что такое тензоры
- Операции с тензорами
- Практикум по теме

Модуль 2. Классификация изображений (4 ак. ч.)

- Средства загрузки и обработки данных в PyTorch
- Создание тренировочного набора данных
- Создание проверочного и тестового набора данных
- Нейронная сеть как тензоры
- Активационная функция
- Создание сети
- Функция потерь
- Оптимизация
- Практикум, реализация на GPU

Модуль 3. Cверточные нейронные сети (6 ак. ч.)

- Построение простейшей сверточной нейронной сети в PyTorch
- Объединение слоев в сети (Pooling)
- Регуляризация нейронной сети (Dropout)
- Использование натренированных нейронных сетей
- Исследование структуры нейросети
- Пакетная нормализация (Batchnorm)
- Практикум по теме

Модуль 4. Использование и передача обученных моделей (5 ак. ч.)

- Использование ResNet
- Отбор по скорости обучения
- Градиент скорости обучения
- Расширение данных для переобучения
- Использование преобразователей Torchvision
- Цветовые и лямда преобразователи
- Пользовательские преобразователи
- Ансамбли
- Практикум по теме

Модуль 5. Классификация текста (5 ак. ч.)

- Рекуррентные нейронные сети
- Нейронные сети с памятью
- Библиотека Torchtext