Чему вы научитесь
- Поймете взаимосвязь между искусственным интеллектом, машинным обучением и глубоким обучением
- Узнаете обо всех компонентах, из которых состоит искусственная нейронная сеть
- Узнаете обо всех этапах обучения искусственных нейронных сетей
- Получите представление об оптимизации, градиентном спуске и обратном распространении ошибки.
- Поймете, как обнаружить проблемы в процессе обучения сети
- Изучите методы улучшения обучения сети
- Разберетесь в различных категориях обучения: контролируемое, неконтролируемое, полуконтролируемое
- Узнайте, как работать с данными изображений и проводить их предварительную обработку
- Получите представление обо всех компонентах сверточной нейронной сети (CNN)
- Узнайте, как именно свертки работают с данными изображений для выявления закономерностей
- Поймете проблемы, которые могут возникнуть при обучении CNN, и возможные пути их решения
- Узнаете, как работает трансферное обучение для передачи знаний, полученных одной сетью, другой.
- И многое другое!
О курсе
Для кого этот курс
Начальные требования
Поскольку мы начнем с абсолютных основ глубокого обучения, этот курс отлично подходит для новичков и не требует никаких предварительных знаний в области нейронных сетей!
Во многих уроках мы будем демонстрировать новые концепции с помощью псевдокода, чтобы лучше дать понять, как эти недавно введенные идеи могут быть реализованы в коде.
Используя псевдокод, мы можем продемонстрировать новые идеи программно, интуитивно понятным способом, не завися от конкретного языка программирования или API. Поэтому Вам не обязательно иметь опыт программирования на конкретном языке, чтобы понять псевдокод. В то же время, общий опыт программирования будет крайне полезен.
Также мягким пререквизитом данного курса является знание основных алгоритмов машинного обучения, таких как, в частности, логистическая регрессия, а также рекомендуется, но не обязательно знание ключевых понятий и терминов из этой области (функция потерь, градиентный спуск и т.д.). Помимо этого, могут пригодиться самые базовые понятия из математической статистики, как то нормальное и равномерное распределения.
Преподаватели курса
1 859
Как проходит обучение
Онлайн формат: Вы получаете доступ к урокам в удобное для вас время, что позволяет учиться в собственном темпе.
Практические задания: К каждому уроку прилагаются задания на закрепление теории и написание кода, которые помогут вам на практике освоить работу с Pandas.
Автоматические проверки: Выполняя кодовые задания, вы сразу увидите результат работы и сможете проверить свои ответы.
Тесты: Для самопроверки предусмотрены тесты, которые позволят оценить ваше понимание теоретического материала.
Сертификат
Что вы получите
- Диплом
- Понимание основ глубинного обучения
- Теоретический фундамент для изучения нейронных сетей на практике