Курс Нейронные сети на Python

Видеозаписи лекций без обратной связи и участия преподавателя. Вы получите доступ к материалам сразу после оплаты.

Что даст вам этот курс

В первых двух модулях курса мы разбираем всю необходимую теорию для дальнейшего погружения в глубокое обучение, изучаем основные фреймворки (PyTorch, Keras, Tensorflow) для разработки нейронных сетей и решаем классические задачи компьютерного зрения, обработки естественных языков и обучения с подкреплением.

Третий модуль посвящен современным подходам к решению классических задач компьютерного зрения и обработки естественных языков. Мы узнаем, как от предсказательных моделей перейти к генеративным, научимся работать с нестандартными представлениями данных и решать задачи в условиях недостаточной разметки.

В четвертом модуле обсуждаются подходы к решению задач, традиционно считавшихся “человеческими”. Мы поговорим о фантазии, подражании, использовании собственного опыта и неструктурируемых данных.

– Научитесь работать с нейронными сетями с использованием фреймворков PyTorch, Tensorflow, Keras
– Изучите теорию и практику по таким важным направлениям Deep Learning как Computer Vision, NLP, обучение с подкреплением
– Самый современный материал про глубокое обучение
– Программа подготовлена признанным экспертом по глубокому обучению

Необходимые знания

– Знание линейной алгебры, начала анализа и теории вероятностей.
– Владение языком программирования Python на базовом уровне.
– Базовые знания классических алгоритмов машинного обучения: метод градиентного спуска, линейная и логистическая регрессия.

Программа обучения

В процессе обучения вы получите комплексные знания и навыки.

Модуль 1 Первые шаги

Тема 1. Искусственный интеллект и другие задачи которые можно решать с помощью нейронных сетей
Тема 2. Стохастический градиентный спуск и метод обратного распространения
Тема 3. Первая нейронная сеть на PyTorch
Тема 4. Переобучение и регуляризация нейронных сетей
Тема 5. Первая нейронная сеть на Tensorflow
Тема 6. Взрыв и затухание градиентов
Тема 7. Погружение в Tensorflow
Тема 8. Адаптивные методы градиентного спуска

Модуль 2 Основные архитектуры и методы обучения нейронных сетей

Тема 9. Основные архитектуры нейронных сетей: Автокодировщики
Тема 10. Практическое занятие на TensorFlow. Разреженный Автокодировщик
Тема 11. Основные архитектуры нейронных сетей: Сверточные сети
Тема 12. Практическое занятие на Keras. Transfer Learning
Тема 13. Основные архитектуры нейронных сетей: Рекуррентные сети
Тема 14. Практическое занятие на PyTorch. Генерация Википедии
Тема 15. Введение в обучение с подкреплением
Тема 16. Практическое занятие. Крестики-нолики

Модуль 3 Современные нейронные сети для задач компьютерного зрения и обработки естественных языков

Тема 17. Современные сверточные сети. Блоки и шорткаты
Тема 18. Современные рекуррентные сети. Внимание
Тема 19. Современные рекуррентные сети. Трансформеры
Тема 20. Metric-learning и обучение без примеров
Тема 21. Современные сверточные сети. Transfer learning и fine-tuning
Тема 22. Катастрофическое забывание
Тема 23. Глубокие сверточные сети. Сегментация
Тема 24. Глубокие сверточные сети. Детекция

Модуль 4 Нейронные сети для слабоформализуемых задач

Тема 25. Генеративные состязательные сети
Тема 26. Вариационный и состязательный автокодировщики
Тема 27. Доменная адаптация и условная генерация
Тема 28. Генеративные модели для текстов
Тема 29. Глубокое обучение с подкреплением
Тема 30. Обратное обучение с подкреплением
Тема 31. Сверточные и рекуррентные сети на графах
Тема 32. Сферические свертки и множества точек