Курс
Совместно с
Углубите свои знания в работе с нейросетями
Отработаете навыки на практике: добавите 8 проектов в портфолио
Будете учиться при поддержке сообщества экспертов и менторов
Когда
15 мая — 31 июля
Длительность
2,5 месяца
Формат
Вебинары, практические задания
Весна, любовь, знания
Цена уже со скидкой. Оплатите курс до 24 апреля, чтобы сохранить выгоду.
Глубокое обучение — это суперсила
С его помощью вы можете заставить компьютер видеть, создавать новые произведения искусства, переводить на разные языки, ставить диагноз или создавать механизмы, которые могут управлять сами собой. Если не это суперсила, я даже и не знаю, что это тогда.
Andrew Ng, основатель Coursera, профессор Стэнфордского университета, бывший главный научный сотрудник Baidu и основатель Google Brain
По прогнозу Fortune Business Insights, объём мирового рынка искусственного интеллекта к 2027 году достигнет $266,9 млрд
Беспилотники, диагностика патологий по медицинским снимкам, мгновенный перевод, генерация текстов и голосовые помощники, имитирующие человеческую речь, — эти достижения в мире науки и технологий стали возможны благодаря глубокому обучению.
Программистам
Разберётесь в инструментах машинного обучения, разовьёте системное мышление и сможете проявить себя в новой сфере
Аналитикам и дата-сайентистам
Углубите знания и навыки и начнёте решать принципиально новые задачи. Повысите свою ценность на рынке труда
Уметь программировать на Python, знать библиотеки Pandas, NumPy, Scikit-learn
Разбираться в основах и типах задач машинного обучения
Владеть терминологией и понимать основные метрики машинного обучения: accuracy, precision, recall, MSE
Работать с многомерными свёртками
Освоите инструменты Padding&stride, Pooling и LeNet. AlexNet, VGG, NiN, GoogLeNet, ResNet и DenseNet
Генерировать тексты и изображения
Научите компьютер создавать картины и литературные произведения, вдохновляясь великими мастерами своего дела
Реализовывать NLP с нуля
Сможете строить классические RNN, GRU и LSTM и Encoder-Decoder-архитектуры. Познакомитесь с ячейками (GRU/LSTM) и эмбедингами
Находить объекты на картинке
Будете решать прикладные задачи: Object Detection, Object Localization, Bounding boxes и AnchorBoxes. Углубитесь в CNN
Отличать дескриминатор от генератора
Обучите генератор выбирать данные из линейной регрессии. Реализуете сеть генерации покемонов и обучите её
Строить языковые модели
Познакомитесь с NER и машинным переводом: от Word2Wec до определения тональности и преобразования текста
За время обучения вы подготовите 15 домашних заданий и итоговую работу
38 часов теории и 65 часов практики
● Программа повышения квалификации
● Занятия проходят по расписанию не чаще 2 раз в неделю после 19:00 МСК
● На лекции и практические задания понадобится 10 часов в неделю
● Записи вебинаров, видеолекции и другие полезные материалы хранятся в личном кабинете
Основы нейронных сетей
Познакомитесь с базовыми элементами нейронной сети. Научитесь строить простые модели для решения задач регрессии и классификации.
3 часа теории
3 часа практики
Линейная регрессия
Логистическая регрессия
Построение простой нейронной сети
Многослойная нейронная сеть
Узнаете принципы построения многослойной нейронной сети. Поймёте, как оценить качество обучения. Познакомитесь с понятием переобучения нейросети, изучите разные методы оптимизации нейронных сетей: градиентный спуск и его основные модификации. Изучите основные способы регуляризации нейронных сетей: ранняя остановка, L1/L2, dropout, batch normalization.
3 часа теории
3 часа практики
Многослойный персептрон
Оценка качества модели
Градиентный спуск и его модификации
Регуляризация нейронных сетей
Свёрточные сети
Узнаете, как работает свёрточная операция. Разберётесь, как повысить устойчивость сетей к сдвигам и трансформациям с помощью пулинга (pooling). Познакомитесь с первой свёрточной сетью LeNet.
2 часа теории
3 часа практики
Что такое свёрточная операция и как она работает
Padding и stride
Pooling
LeNet
Архитектуры свёрточных сетей
Познакомитесь с различными архитектурами свёрточных сетей: LeNet, AlexNet, VGG, NiN, GoogLeNet, ResNet.
2 часа теории
3 часа практики
Архитектуры свёрточных сетей:
LeNet
AlexNet
VGG
Network in network (NiN)
GoogLeNet
Residual Network (ResNet)
DenseNet
Улучшение качества обучения нейросетей
Научитесь использовать в коде различные методы аугментации и Transfer Learning для улучшения обучения сети.
2 часа теории
3 часа практики
Аугментации
Динамическое изменение learning rate (LR Schedulers)
Transfer learning: fine tuning, feature extractors
Архитектуры Feature extractors: VGG, EfficientNet, MobileNet
Рекуррентные сети
Поймёте, как построить языковые модели. Узнаете, зачем нужны рекуррентные нейронные сети и как они работают. Рассмотрите виды рекуррентных нейронных сетей: GRU и LSTM. Сгенерируете текст при помощи нейросети. Узнаете, как строить более глубокие RNN. Познакомитесь с двунаправленными RNN (bidirectional RNN). Узнаете о возможностях Residual Connections для RNN. Изучите архитектуру модели Encoder-decoder, познакомитесь с понятием информационный bottleneck. Потренируетесь решать задачи машинного перевода на основе рекуррентных сетей.
8 часов теории
9 часов практики
Языковые модели
Обучение рекуррентных нейросетей
GRU и LSTM
Генерация текста
Deep RNN
BiRNN
Residual Connections
Encoder-Decoder архитектура
Машинный перевод
Механизм внимания
Познакомитесь с механизмом внимание (attention) и его основными видами: dot-product, линейная модель, аддитивная модель, self-attention и multi-head attention. Изучите два способа реализации внимания: на скалярном произведении и на MLP. Узнаете, как attention привёл к появлению архитектуры Transformer.
2 часа теории
3 часа практики
Виды внимания
Трансформер
Компьютерное зрение
Изучите основные датасеты и метрики качества для решения задач визуального обнаружения объектов и распознавания изображений. Познакомитесь с подходами к детектированию объектов: Region Based, YoLo, SSD. Узнаете, что такое семантическая сегментация. Познакомитесь с архитектурами SegNet и U-Net. Узнаете различные методы модификации изображений: технология Deep dream, матрица Грама, генерация текстур, Neural style transfer.
7 часов теории
9 часов практики
Задача детекции
Архитектуры Region Based, YoLo и SSD
Семантическая сегментация
Архитектуры SegNet и U-Net
Модификации изображений
Работа с текстом
Познакомитесь с понятием «векторное представление слов» (word embedding) и основными методами построения векторов слов: SVD, Word2vec. Узнаете, что такое transfer learning и как оно используется в NLP. Познакомитесь с основными предобученными текстовыми моделями: ELMo, BERT и его вариациями, GPT. Сможете решать задачи классификации, межъязыкового семантического поиска и генерации продолжения текста.
4 часа теории
6 часов практики
Векторные представления слов
Сингулярное разложение (SVD)
Word2Wec
FastText
Модель ELMo
BERT и его вариации
GPT
Генеративные состязательные сети (GAN)
Научитесь применять обычные и вариационные автоэнкодеры и строить архитектуру генеративных состязательных сетей (Generative Adversarial Networks, GAN). Создадите генератор лиц аниме с использованием GAN. Познакомитесь с глубоким обучением с подкреплением.
3 часа теории
3 часа практики
Автоэнкодеры
Вариационные автоэнкодеры (VAE)
Генеративные состязательные сети (GAN)
Типы генеративных состязательных сетей
Проблемы генеративных состязательных сетей
Глубокое обучение с подкреплением
Итоговый проект
Вы самостоятельно выбираете задачу и тему проекта и работаете над ним под руководством преподавателей курса. В результате защитите диплом перед экспертом.
2 часа теории
20 часов практики
По итогам курса вы обучите нейросеть решать реальную задачу
Классификация или генерация продолжения текстов, распознавание или сегментация объектов на фото и видео, машинный перевод — тему диплома вы выбираете самостоятельно. Можно взять реальный кейс от нашего партнёра — Dodo Brands.
Вы будете работать над проектом в течение месяца под руководством экспертов программы.
Как проходит обучение
Deep Learning Expert
Ключевые навыки
Строить простые модели для решения задач регрессии и классификации
Находить объекты на изображениях
Обучать языковые модели
Работать с механизмом внимания
Применять подходы к улучшению качества сетей
Решать задачи машинного перевода на основе рекуррентных сетей
Использовать различные методы модификации изображений
Решать задачи классификации, межъязыкового семантического поиска и генерации продолжения текста
Инструменты
Многослойные нейронные сети
Многослойные нейронные сети
Основные виды градиентного спуска, включая Adam, RMSProp, Momentum, SGD. Регуляризация, DroupOut и BatchNorm на примере классификации MNIST
Свёрточные сети и архитектура
Свёрточные сети и архитектура
Свёртки и методы Padding & stride, Pooling и LeNet применительно к AlexNet, VGG, NiN, GoogLeNet, ResNet. Аугментация и TransferLearning. Языковые модели в RNN, GRU и LSTM
Алгоритмы внимания
Алгоритмы внимания
Понимание идеи attention. Dense-Attention для encoder-decoder архитектуры. Beam-Search
Компьютерное зрение
Компьютерное зрение
Сегментация vs Object Detection vs Object Localization и Bounding boxes vs AnchorBoxes. SSD и все продуктивные CNN. Семантическая сегментация и подготовка датасетов. Перенос стилей
Работа с текстом
Работа с текстом
Embeddings, Word2Wec, FastText, Glove и языковые модели. Обучение классификатора для прогнозирования вероятности следующего слова. Решение задач NER. Архитектуры Transformer, Bert, Elmo
GAN
GAN
Понимание базовой архитектуры, идеи дискримиантора и генератора. Очень много практики на генерацию изображений и объектов
Ваши навыки подтвердит удостоверение о повышении квалификации
Мы обучаем по государственной лицензии и выдаём документы установленного образца.
Рекомендуем программу МФТИ и Нетологии «Руководитель проектов в области искусственного интеллекта»
За 3,5 месяца вы научитесь применять методы и инструменты ИИ для решения задач бизнеса, государства и общества
Все уроки теперь и в мобильном приложении
Мы разработали платформу для смартфонов, чтобы вы могли учиться в спортзале, на даче или в пути.
Учитесь, где нравится
Доступ к учебным материалам всегда под рукой: это экономит ваши ресурсы
Занимайтесь даже без интернета
Можно скачать материалы на телефон и учиться даже там, где плохая связь
Получайте подсказки по дедлайнам
Приложение работает как помощник: напомнит про домашнюю работу или вебинар
Загружайте задания с телефона
Удобно отслеживать статус практических работ и отвечать на комментарии преподавателя
Предложение для компаний
Вы можете обучить сотрудников на этом курсе. Адаптируем программу под ваш бизнес и предоставим отчёты об успеваемости. При обучении сразу нескольких сотрудников — более выгодная стоимость.
Оставьте заявку, и мы вышлем вам индивидуальное предложение.
Вернём деньги
В течение первых трёх занятий вернём вам полную сумму, а начиная с четвёртого — рассчитаем сумму возврата или поможем выбрать другой курс взамен. Читать условия
Поможем оформить налоговый вычет — 13%
Вы можете получить вычет в течение трёх лет после даты оплаты обучения, если работаете официально и платите подоходный налог
Поменяем программу обучения
Если сомневаетесь или вам не подошла профессия — можете выбрать другую. Сменить курс можно один раз в процессе обучения
Весна, любовь, знания
Цена уже со скидкой. Оплатите курс до 24 апреля, чтобы сохранить выгоду.
1Запись на обучение
2Выбор способа оплаты
3Оплата
...
Как оформить рассрочку, какие условия предоставления рассрочки?
Рассрочку без переплат можно оформить через Сбер, Т-Банк и другие банки-партнёры на сроки от 6 до 36 месяцев. Решение о предоставлении рассрочки принимает банк.
Что такое оплата частями?
Оплата частями — сервис, который помогает разбить стоимость покупки на равные части и выплачивать их в течение нескольких месяцев (от 2 до 24). Покупателю не нужно заключать кредитный договор. При использовании этого сервиса возможна переплата.
Развивайте профессиональные навыки в онлайн-формате