Курс на Stepik
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 | |
 Учеников на курсе |
6 311 | ||||
 Сертификатов выдано |
0 | ||||
 Отзывов получено |
10 | ||||
 Рейтинг курса |
4.800 | ||||
 Количество уроков |
47 | ||||
 Количество квизов |
3 | ||||
 Количество задач с кодом |
17 | ||||
 Время прохождения курса |
— | ||||
 Обновления курса |
— | — | |||
 Дата публикации курса |
— | — | — | — | |
| Последнее обновление |
— | — | — | — | |
| Сложность | normal | — | — | — | — |
Отличный курс, прекрасно разжевывает устройство нейросетей. Вся магия технологии враз улетучилась. Подойдет всем, даже если нет знаний питона и математики. Но если обладать знаниями питона, его библиотек, и математики - то курс раскроется максимально полезно. Главное - не ленится. Хорошо что курс устроен так, что он сам мотивирует решать задачи и двигаться дальше по программе, без возможности откладывать "на потом".
Отличные лекторы, интересная система оценок peer-review
Научился основам ML. Понравилась практика с реальными задачами CV и чёткая структура от простого к сложному. Можно добавить больше примеров из индустрии. Выбрал из-за фокуса на Computer Vision.
Курс отличный, спасибо за возможность учиться и развиваться! Единственное, что непонятно: прошел все, баллы получил по максимуму, но вижу "158/218 баллов получено", кроме того непонятно когда закроется, будет ли какой-то диплом/сертификат, когда и где.
На мой взгляд это один из лучших курсов по основам машинного обучения из всех существующих, включая англоязычные. Материал подается последовательно, логично и исчерпывающе. Все разложено по полочкам, аккуратно с должным вниманием к деталям. Да, курс довольно объемный, для выполнения домашних заданий приходится искать порой материал самостоятельно, но оно того стоит. Отдельно отмечу как плюс, то что темы домашних заданий дополняют теоретический материал, а не просто повторяют его полностью. Возможно есть какие-то организационные неувязки, но по ощущениям администрирование на текущий момент лучше, чем у многих платных курсов. Хочется искренне поблагодарить организаторов и авторов курса и школы DLS в целом, которые занимаются всем этим практически на волонтерской основе. Вы супер классные ребята и то, что вы делаете, это нереально круто. Спасибо!
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!
отличный 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.
