Курс посвящен изучению современных алгоритмов и подходов из области Deep Learning, таких как генеративные модели в Computer Vision и в NLP, методы эффективного обучения больших языковых моделей, рекомендательные системы, грабовые нейронные сети и многое другое!
Чему вы научитесь
вы узнаете о современных генеративных моделях в области компьютерного зрения
узнаете об особенностях работы LLM
погрузитесь в алгоритмы построения рекомендательных систем
освоите основы графовых нейронных сетей
познакомитесь с глубинным обучением для обработки звука
узнаете о современных методах ускорения обучения нейронных сетей
прикоснетесь к миру Reinforcement Learning
О курсе
Курс состоит из нескольких тематических блоков. Каждый из блоков глубоко погружает слушателей в различные современные приложения глубинного обучения.
Над курсом работает команда разноплановых специалистов, каждый из которых является экспертом в своем блоке тем.
Для кого этот курс
Вам подойдет этот курс, если вы освоили программу классического Deep Learning и знакомы с основными архитектурами нейронных сетей (полносвязные, сверточные, рекуррентные и транспортерные архитектуры). Вам будет интересен курс, если вы интересуетесь современным состоянием области Deep Learning и хотите погрузиться в различные ответвления современного глубинного обучения.
Начальные требования
- знание классических архитектур нейронных сетей (если вы не знакомы с классическим глубинным обучением - рекомендуем пройти курс Практический Deep Learning)
- желание получить максимально полный обзор современных приложений глубинного обучения и найти свой индивидуальный вектор развития
Курс состоит из:
теоретических материалов в текстовом виде
практических скринкастов
тестовых заданий на понимание теории и практики
практических домашних заданий на языке Python
Программа курса
О курсе
Нормализационные потоки и метрики качества генерации
Сложные задачи Computer Vision
Трехмерное компьютерное зрение
Рекомендательные системы - 1
Рекомендательные системы - 2
Рекомендательные системы - 3
Методы объяснения DL-моделей
Большие языковые модели (Large Language Models)
PEFT
Графовые нейронные сети
Обучение с подкреплением
Deep Learning для звука: введение в домен
DL для звука: задачи и модели
Итоговый модуль курса
Спойлер: Подробно:
Наши преподаватели
- Елена Кантонистова
Кандидат физико-математических наук, выпускница школы анализа данных Яндекса (ШАД)
Академический руководитель магистратуры "Искусственный интеллект" (ранее "Машинное обучение и высоконагруженные системы") Факультета компьютерных наук ВШЭ, доцент департамента больших данных и информационного поиска ФКН… Ещё
- Евгений Паточенко
Data Scientist / Machine Learning Engineer
Академический руководитель магистратуры "Аналитика больших данных" Факультета компьютерных наук ВШЭ
- Марк Блуменау
Researcher (LPI RAS, IZMIRAN)
Исследователь в областях компьютерного зрения, физики Солнца и квантовых материалов. Преподаватель НИУ ВШЭ.
Цена: 3900 руб
Скачать:
Для просмотра содержимого вам необходимо авторизоваться