Чему вы научитесь
- Применять алгоритмы машинного обучения для решения практических задач анализа данных на языке Python
- Строить полносвязные и сверточные нейронные сети для задач компьютерного зрения с помощью фреймворка Pytorch
- Решать современные задачи компьютерного зрения с помощью продвинутых нейросетевых архитектур
- Встраивать нейросетевые модели в простейшие продукты (tg-боты, web-демо)
О курсе
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.
Для кого этот курс
Курс рассчитан на слушателей с базовыми знаниями программирования на Python и хорошим математическим бэкграундом (линейная алгебра, теория вероятностей, математический анализ). Опыт работы с библиотеками для анализа данных (например, NumPy, Pandas) будет преимуществом, но не обязателен.
Начальные требования
- владение языком Python
- владение библиотеками для анализа данных в Python
- знание вузовской программы высшей математики (основы матричного исчисления, базовые понятия математического анализа и теории вероятностей)
Преподаватели курса
104 228
Как проходит обучение
Вас ждут видеолекции и видеосеминары, а также множество практических домашних заданий. Если у вас появятся вопросы, вы всегда можете задать их в чате курса в Telegram.
Что вы получите
- 1. Освоите фундаментальные концепции машинного обучения и нейронных сетей.
- 2. Научитесь разрабатывать, обучать и оптимизировать модели ИИ с использованием современных библиотек.
- 3. Научитесь применять методы глубокого обучения для решения задач компьютерного зрения.
- 3. Подготовитесь к реальным проектам в области ИИ и Data Science.
Нагрузка
6-9 часов в неделю