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 7 076
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

Организационная информация

1 урок
1. О курсе

Введение в искусственный интеллект

2 урока
1. Лекция, введение в ИИ. Михаил Бурцев
2. Инструменты курса.

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. ML соревнование

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.
2. Семинар. Семантическая сегментация.
3. Опционально: Семинар. Семантическая сегментация.
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.
2. Семинар. Автоэнкодеры.
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