Курс на Stepik
Обложка курса «Deep Learning (семестр 1, весна 2026)» на Stepik
Бесплатно

Deep Learning (семестр 1, весна 2026) 4.667

Открыть на
STEPIK.ORG

Курс посвящен введению в глубокое обучение, нейросети и компьютерное зрение. Начинаем с основ машинного и глубокого обучения, переходим к CNN для обработки картинок, заканчиваем работой с генеративными моделями, такими как GANs. Курс состоит из лекций, семинаров и домашних заданий. В течение курса вам предстоит много практики, а в конце — самостоятельный итоговый проект. Преподаватели школы — ведущие специалисты российских и зарубежных IT-компаний и научные сотрудники исследовательских компаний.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Deep Learning (семестр 1, весна 2026)»Учеников на курсе 5 459
Сертификаты, выданные на курсе «Deep Learning (семестр 1, весна 2026)»Сертификатов выдано 0
Отзывы о курсе «Deep Learning (семестр 1, весна 2026)»Отзывов получено 6
Рейтинг курса «Deep Learning (семестр 1, весна 2026)»Рейтинг курса 4.667
Уроки в курсе «Deep Learning (семестр 1, весна 2026)»Количество уроков 47
Тесты в курсе «Deep Learning (семестр 1, весна 2026)»Количество квизов 3
Задачи с кодом в курсе «Deep Learning (семестр 1, весна 2026)»Количество задач с кодом 17
Время прохождения курса «Deep Learning (семестр 1, весна 2026)»Время прохождения курса
Обновления курса «Deep Learning (семестр 1, весна 2026)»Обновления курса
Дата публикации курса «Deep Learning (семестр 1, весна 2026)»Дата публикации курса
Последнее обновление курса «Deep Learning (семестр 1, весна 2026)»Последнее обновление
Сложность normal

Содержание курса

Разделы в курсе «Deep Learning (семестр 1, весна 2026)» 25 разделов Уроки в курсе «Deep Learning (семестр 1, весна 2026)» 47 уроков Тесты в курсе «Deep Learning (семестр 1, весна 2026)» 3 теста Задачи в курсе «Deep Learning (семестр 1, весна 2026)» 17 задач Время прохождения курса «Deep Learning (семестр 1, весна 2026)» 3 ч. Последнее обновление курса «Deep Learning (семестр 1, весна 2026)» обн. 11 августа 2026

Организационная информация

2 урока
1. О курсе
2. Инструменты курса

Введение в искусственный интеллект

1 урок
1. Лекция, введение в ИИ. Михаил Бурцев

Основы машинного обучения

3 урока
1. Лекция. Введение в машинное обучение.
2. Семинар. Введение в ML. Pandas, Matplotlib, Sklearn.
3. Дополнительный семинар. Feature engineering: допглавы

Домашнее задание. Основы машинного обучения

1 урок
1. Домашнее задание. Основы машинного обучения

Линейные модели

3 урока
1. Лекция. Линейные модели.
2. Семинар. Линейные модели.
3. Дополнительные материалы.

Домашнее задание. Линейные модели

1 урок
1. Домашнее задание. Линейные модели и методы оптимизации

Композиции алгоритмов и выбор модели

3 урока
1. Решающие деревья и композиции алгоритмов.
2. Допматериал. Метрики машинного обучения.
3. Семинар. Выбор моделей и цикл разработки.

Домашнее задание. Решение ML-соревнования

1 урок
1. Домашнее задание. Конкурс на kaggle

Введение в нейронные сети

4 урока
1. Лекция. Введение в нейронные сети.
2. Семинар. Введение в библиотеку Pytorch.
3. Дополнительные материалы к модулю
4. Дополнительные материалы. Математика.

Сверточные нейросети

2 урока
1. Лекция. Сверточные нейросети.
2. Семинар. Модули в PyTorch и CNN.

Домашнее задание. Сверточные и полносвязные нейросети

1 урок
1. Домашнее задание. Сверточные и полносвязные нейросети

Продвинутое обучение нейросетей

2 урока
1. Лекция. Продвинутое обучение нейронных сетей.
2. Семинар. Продвинутое обучение нейросетей.

Архитектуры CNN и Fine-Tuning

2 урока
1. Лекция. Классификация изображений. Татьяна Гайнцева
2. Семинар. Классификация изображений.

Домашнее задание. Архитектуры CNN и Fine-Tuning

1 урок
1. Домашнее задание. Классификация Симпсонов

Семантическая сегментация

4 урока
1. Лекция. Семантическая сегментация. Татьяна Гайнцева
2. Семинар. Семантическая сегментация. Асель Ермекова
3. Опционально: Семинар. Семантическая сегментация. Юрий Яровиков
4. Открытая лекция. Задача интерактивной сегментации

Домашнее задание. Сегментация изображений

1 урок
1. Домашнее задание. Сегментация изображений

Дополнительный модуль. Основы области Explainable AI

2 урока
1. Лекция. Основы области Explainable AI для моделей мо
2. Семинар. Основы области Explainable AI для моделей мо

Детекция объектов

2 урока
1. Лекция. Детекция объектов.
2. Семинар. Детекция объектов.

Домашнее задание. Детекция объектов

1 урок
1. Домашнее задание. Детекция.

Генеративные модели и автоэнкодеры

3 урока
1. Лекция. Автоэнкодеры. Нина Коновалова
2. Семинар. Автоэнкодеры. Артём Ямалутдинов
3. Опционально: Лекция. Автоэнкодеры. Никита Балаганский

Домашнее задание. Автоэнкодеры

1 урок
1. Домашнее задание. Автоэнкодеры

Генеративно-состязательные сети

3 урока
1. Лекция. GANs
2. Семинар (part 1) - введение в GANs
3. Семинар (part 2). Инверсия StyleGAN-2

Домашнее задание. Генеративно-состязательные сети

1 урок
1. Домашнее задание. Генеративно-состязательные модели

Итоговый проект

1 урок
1. Итоговый проект. Описание и форма сдачи

Модуль для дополнительных баллов

1 урок
1. Урок для дополнительных баллов