Курс на Stepik
Обложка курса «[АРХИВ] Deep Learning (семестр 2, 2023 год)» на Stepik
Бесплатно

[АРХИВ] Deep Learning (семестр 2, 2023 год) 5.000

Открыть на
STEPIK.ORG

Это второй семестр курса "Deep Learning" Школы глубокого обучения МФТИ, посвящённый обработке текстов и аудиосигналов с помощью нейросетей. Курс рассчитан на студентов, прошедших первый семестр нашего курса. Формат курса -- видеолекции и видеосеминары, а также практические домашние задания. Обучение проходит на языке Pytorch

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «[АРХИВ] Deep Learning (семестр 2, 2023 год)»Учеников на курсе 3 613
Сертификаты, выданные на курсе «[АРХИВ] Deep Learning (семестр 2, 2023 год)»Сертификатов выдано 0
Отзывы о курсе «[АРХИВ] Deep Learning (семестр 2, 2023 год)»Отзывов получено 5
Рейтинг курса «[АРХИВ] Deep Learning (семестр 2, 2023 год)»Рейтинг курса 5.000
Уроки в курсе «[АРХИВ] Deep Learning (семестр 2, 2023 год)»Количество уроков 18
Задачи с кодом в курсе «[АРХИВ] Deep Learning (семестр 2, 2023 год)»Количество задач с кодом 3
Время прохождения курса «[АРХИВ] Deep Learning (семестр 2, 2023 год)»Время прохождения курса
Обновления курса «[АРХИВ] Deep Learning (семестр 2, 2023 год)»Обновления курса
Дата публикации курса «[АРХИВ] Deep Learning (семестр 2, 2023 год)»Дата публикации курса
Последнее обновление курса «[АРХИВ] Deep Learning (семестр 2, 2023 год)»Последнее обновление
Сложность hard

Чему вы научитесь

  • -- Применять классические и нейросетевые алгоритмы для основных задач обработки текста: классификации текстов, языкового моделирования, машинного перевода, построения вопросно-ответных систем
  • -- Применять готовые модели обработки естественного языка для дообучения на конкретных задачах
  • -- Работать с аудиофайлами и создавать нейросетевые модели для решения основных задач работы с аудио

О курсе

Это второй семестр курса "Deep Learning" Школы глубокого обучения МФТИ, посвящённый обработке текстов и аудиосигналов с помощью нейросетей. Курс рассчитан на студентов, прошедших первый семестр нашего курса. Формат курса -- видеолекции и видеосеминары, а также практические домашние задания. Обучение проходит на языке Pytorch

Для кого этот курс

Студенты и выпускники технических вузов, прошедшие 1 семестр курса "Deep Learning"

Начальные требования

-- Владеть фреймворком Pytorch для обучения нейросетей

-- Пройти 1 семестр курса "Deep Learning" (желательно)

Преподаватели курса

Нагрузка

6-9 часов в неделю

Расскажите о курсе друзьям