Курс на Stepik
Обложка курса «Deep Learning (семестр 1, осень 2025)» на Stepik
Бесплатно

Deep Learning (семестр 1, осень 2025) ★ 4.750

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, осень 2025)»Учеников на курсе 6 764
Сертификаты, выданные на курсе «Deep Learning (семестр 1, осень 2025)»Сертификатов выдано 0
Отзывы о курсе «Deep Learning (семестр 1, осень 2025)»Отзывов получено 16
Рейтинг курса «Deep Learning (семестр 1, осень 2025)»Рейтинг курса 4.750
Уроки в курсе «Deep Learning (семестр 1, осень 2025)»Количество уроков 47
Тесты в курсе «Deep Learning (семестр 1, осень 2025)»Количество квизов 3
Задачи с кодом в курсе «Deep Learning (семестр 1, осень 2025)»Количество задач с кодом 17
Время прохождения курса «Deep Learning (семестр 1, осень 2025)»Время прохождения курса —
Обновления курса «Deep Learning (семестр 1, осень 2025)»Обновления курса — —
Дата публикации курса «Deep Learning (семестр 1, осень 2025)»Дата публикации курса — ———
Последнее обновление курса «Deep Learning (семестр 1, осень 2025)»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «Deep Learning (семестр 1, осень 2025)» 25 разделов Уроки в курсе «Deep Learning (семестр 1, осень 2025)» 47 уроков Тесты в курсе «Deep Learning (семестр 1, осень 2025)» 3 теста Задачи в курсе «Deep Learning (семестр 1, осень 2025)» 17 задач Время прохождения курса «Deep Learning (семестр 1, осень 2025)» 3 ч. Последнее обновление курса «Deep Learning (семестр 1, осень 2025)» обн. 18 февраля 2026

1. Организационная информация

1 урок
Закрытый
1.1 О курсе ↗
5 990
3 652
3м 13с
93

2. Введение в искусственный интеллект

2 урока
Закрытый
2.1 Лекция, введение в ИИ. Михаил Бурцев ↗
3 946
3 946
0м 20с
88
Закрытый
2.2 Инструменты курса. ↗
3 309
2 726
9м 20с
66

3. Основы машинного обучения

3 урока
Закрытый
3.1 Лекция. Введение в машинное обучение. ↗
3 282
2 486
1м 43с
46
Закрытый
3.2 Семинар. Введение в ML. Pandas, Matplotlib, Sklearn. ↗
2 975
2 057
1м 49с
86
Закрытый
3.3 Дополнительный семинар. Feature engineering: допглавы ↗
2 502
2 502
0м 14с
34

4. Домашнее задание. Основы машинного обучения

1 урок
Закрытый
4.1 Домашнее задание. Основы машинного обучения ↗
3 099
1 144
11м 5с
61

5. Линейные модели

3 урока
Закрытый
5.1 Лекция. Линейные модели. ↗
1 809
1 190
2м 40с
21
Закрытый
5.2 Семинар. Линейные модели. ↗
1 436
1 021
1м 46с
17
Закрытый
5.3 Дополнительные материалы. ↗
1 275
1 275
0м 16с
10

6. Домашнее задание. Линейные модели

1 урок
Закрытый
6.1 Домашнее задание. Линейные модели и методы оптимизации ↗
1 663
987
38м 50с
17

7. Композиции алгоритмов и выбор модели

3 урока
Закрытый
7.1 Решающие деревья и композиции алгоритмов. ↗
1 193
890
1м 57с
17
Закрытый
7.2 Допматериал. Метрики машинного обучения. ↗
977
761
0м 22с
4
Закрытый
7.3 Семинар. Выбор моделей и цикл разработки. ↗
992
771
0м 18с
6

8. Домашнее задание. Решение ML-соревнования

1 урок
Закрытый
8.1 Домашнее задание. ML соревнование ↗
1 336
748
13м 55с
7

9. Введение в нейронные сети

4 урока
Закрытый
9.1 Лекция. Введение в нейронные сети. ↗
1 090
780
3м 0с
11
Закрытый
9.2 Семинар. Введение в библиотеку Pytorch. ↗
929
733
0м 15с
7
Закрытый
9.3 Дополнительные материалы к модулю ↗
861
861
0м 6с
1
Закрытый
9.4 Дополнительные материалы. Математика. ↗
882
882
0м 20с
-2

10. Сверточные нейросети

2 урока
Закрытый
10.1 Лекция. Сверточные нейросети. ↗
887
675
2м 32с
0
Закрытый
10.2 Семинар. Модули в PyTorch и CNN. ↗
822
633
1м 40с
0

11. Домашнее задание. Сверточные и полносвязные нейросети

1 урок
Закрытый
11.1 Домашнее задание. Сверточные и полносвязные нейросети ↗
998
641
23м 29с
0

12. Продвинутое обучение нейросетей

2 урока
Закрытый
12.1 Лекция. Продвинутое обучение нейронных сетей. ↗
760
579
1м 43с
0
Закрытый
12.2 Семинар. Продвинутое обучение нейросетей. ↗
654
499
0м 19с
0

13. Архитектуры CNN и Fine-Tuning

2 урока
Закрытый
13.1 Лекция. Классификация изображений. Татьяна Гайнцева ↗
654
498
0м 28с
0
Закрытый
13.2 Семинар. Классификация изображений. ↗
592
446
0м 24с
0

14. Домашнее задание. Архитектуры CNN и Fine-Tuning

1 урок
Закрытый
14.1 Домашнее задание. Классификация Симпсонов ↗
777
475
6м 8с
0

15. Семантическая сегментация

4 урока
Закрытый
15.1 Лекция. Семантическая сегментация. ↗
621
426
13м 48с
0
Закрытый
15.2 Семинар. Семантическая сегментация. ↗
497
402
0м 12с
0
Закрытый
15.3 Опционально: Семинар. Семантическая сегментация. ↗
468
468
0м 19с
0
Закрытый
15.4 Открытая лекция. Задача интерактивной сегментации ↗
69
69
0м 18с
0

16. Домашнее задание. Сегментация изображений

1 урок
Закрытый
16.1 Домашнее задание. Сегментация изображений ↗
632
420
2м 2с
0

17. Дополнительный модуль. Основы области Explainable AI

2 урока
Закрытый
17.1 Лекция. Основы области Explainable AI для моделей мо ↗
501
501
0м 30с
0
Закрытый
17.2 Семинар. Основы области Explainable AI для моделей мо ↗
375
285
0м 26с
0

18. Детекция объектов

2 урока
Закрытый
18.1 Лекция. Детекция объектов. ↗
513
358
3м 35с
0
Закрытый
18.2 Семинар. Детекция объектов. ↗
444
319
0м 19с
0

19. Домашнее задание. Детекция объектов

1 урок
Закрытый
19.1 Домашнее задание. Детекция. ↗
547
295
1м 7с
0

20. Генеративные модели и автоэнкодеры

3 урока
Закрытый
20.1 Лекция. Автоэнкодеры. ↗
417
273
19м 33с
0
Закрытый
20.2 Семинар. Автоэнкодеры. ↗
324
242
0м 22с
0
Закрытый
20.3 Опционально: Лекция. Автоэнкодеры. Никита Балаганский ↗
286
286
0м 22с
0

21. Домашнее задание. Автоэнкодеры

1 урок
Закрытый
21.1 Домашнее задание. Автоэнкодеры ↗
432
275
2м 31с
0

22. Генеративно-состязательные сети

3 урока
Закрытый
22.1 Лекция. GANs. ↗
340
217
1м 1с
0
Закрытый
22.2 Семинар (part 1) - введение в GANs. ↗
279
216
0м 10с
0
Закрытый
22.3 Семинар (part 2). Инверсия StyleGAN-2 ↗
264
197
0м 23с
0

23. Домашнее задание. Генеративно-состязательные сети

1 урок
Закрытый
23.1 Домашнее задание. Генеративно-состязательные модели ↗
432
198
5м 4с
0

24. Итоговый проект

1 урок
Закрытый
24.1 Итоговый проект. Описание и форма сдачи ↗
473
32
25м 37с
0

25. Модуль для дополнительных баллов

1 урок
Закрытый
25.1 Урок для дополнительных баллов ↗
536
2
9м 53с
5