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.
1. развитие знаний, сведений о принципах работы
2. интерактивные домашние задания (где понятно, что делать и какие куски кода дописывать)
3. некоторые ДЗ занимали несколько ночей времени, модельки не обучались, время обучения затратно, ресурсы съедались
4. тенденция, увлечение коллег
лекции интересные (но есть и не очень), на практике не хватает достаточности данных для выполнения домашних заданий, т.е. в домашних заданиях много деталей и кода, которые нужно самостоятельно выявить, дополнить, узнать, дописать.
благодарю за развитие
1. Чему вы научились после прохождения курса? Что нового узнали?
===================================================
Научилась читать и реализовывать научные статьи: Это, пожалуй, самый важный скилл. Раньше статьи на arXiv вызывали страх. После разбора StyleGAN, VAE и U-Net на семинарах я стала понимать структуру академических работ и могу взять из них идею и реализовать в дальнейшем.
Повторила ряд тем из ML. От EDA и feature engineering до ансамблирования моделей. Решение трех соревнований (основы ML, Симпсоны, сегментация) дало практический опыт работы с лидербордом на Kaggel.
Теперь я знаю разницу между ResNet, U-Net, YOLO, а также умею делать fine-tuning предобученных моделей под свои задачи.
Что вам понравилось?
===================================================
Отличный, пусть не самый новый, но свежий и актуальный материал лекций и семинаров. Достаточно практики.
Что не понравилось? Что можно улучшить?
=================================================
Не совсем понятен процесс с дедлайнами для проверки работ.
подозрительные ссылки на чужие работы , страшновато открывать
Хочется увидеть более новый материал, отрасль динамически развивается.
По каким критериям вы выбирали курс и почему решили пройти этот?
==============================================
По рекомендации, ранее присматривалась к первому потоку этого курса, но решилась пройти только теперь.
СПАСИБО!
КУРС 10/10 .
Хороший курс! Но вот процесс апелляций какой-то странный и в итоге мне так и не подняли оценку, которая была поставлена неверно по ошибки пиров. И в начале материалы не совсем для новичков и с нуля курс немного тяжеловато проходить. Может это из-за того что я плохо прошел вводный курс, где объяснялась необходимая математика и основы DL. Все остальное супер, особенно потому что курс бесплатный! Спасибо за курс!
я узнал многое о нейроных сетях о детекций и сегминтации научился писать код.
всё понравилось.
иногда не приходили уведомления об открытий модулей и рицензий на свои дз приходилось ждать очень долго. И пир ту пир проверку считаю не обьективной и предвзятой.
пошёл на этот курс, потому, что он полезный, бесплатый и интересный. Спасибо.
