Глубокое обучение и нейронные сети

Глубокое обучение и нейронные сети

16 недель Продвинутый

Продвинутый курс по архитектурам нейронных сетей и глубокому обучению. Изучите CNN, RNN, LSTM и другие современные архитектуры с использованием TensorFlow и PyTorch.

О курсе

Этот продвинутый курс погружает студентов в мир глубокого обучения. Вы изучите современные архитектуры нейронных сетей, научитесь решать сложные задачи компьютерного зрения, обработки естественного языка и других областей AI.

Курс включает глубокое изучение математических основ нейронных сетей, практическую работу с популярными фреймворками TensorFlow и PyTorch, а также реализацию сложных проектов.

Что вы изучите:

  • Математические основы глубокого обучения
  • Сверточные нейронные сети (CNN)
  • Рекуррентные нейронные сети (RNN, LSTM, GRU)
  • Генеративные модели (GANs, VAE)
  • Трансформеры и механизмы внимания
  • Transfer Learning и Fine-tuning
  • Оптимизация и регуляризация нейронных сетей

Программа курса

Модуль 1: Основы нейронных сетей (3 недели)

  • Математические основы
  • Архитектура нейронных сетей
  • Обратное распространение ошибки
  • Функции активации и инициализация весов

Модуль 2: Сверточные нейронные сети (4 недели)

  • Архитектуры CNN
  • Классические модели (LeNet, AlexNet, VGG)
  • Современные архитектуры (ResNet, Inception, EfficientNet)
  • Практика работы с изображениями

Модуль 3: Рекуррентные сети (3 недели)

  • RNN и их ограничения
  • LSTM и GRU
  • Bidirectional RNN
  • Sequence-to-sequence модели

Модуль 4: Продвинутые темы (4 недели)

  • Трансформеры и механизмы внимания
  • GANs и генеративные модели
  • Transfer Learning
  • Оптимизация и deployment моделей

Модуль 5: Финальный проект (2 недели)

  • Реализация полноценного проекта
  • Оптимизация и тестирование
  • Презентация результатов

Требования

Необходимые знания:

  • Хорошее знание Python
  • Основы машинного обучения
  • Линейная алгебра и математический анализ
  • Теория вероятностей и статистика
  • Опыт работы с NumPy и Pandas

Технические требования:

  • Компьютер с GPU (NVIDIA рекомендуется) или доступ к облачным вычислениям
  • Минимум 16 GB RAM
  • 100 GB свободного места на диске
  • Стабильное высокоскоростное интернет-соединение