Курс на Stepik
Обложка курса «Deep Learning (семестр 2, осень 2025)» на Stepik
Бесплатно

Deep Learning (семестр 2, осень 2025) ★ 4.800

Открыть на
STEPIK.ORG

Этот курс предназначен для тех, кто хочет освоить нейросетевые модели для обработки естественного языка (NLP). Вы познакомитесь с ключевыми методами анализа и генерации текстов, такими как трансформеры, RAG и интерпретируемость моделей. 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 2, осень 2025)»Учеников на курсе 2 784
Сертификаты, выданные на курсе «Deep Learning (семестр 2, осень 2025)»Сертификатов выдано 0
Отзывы о курсе «Deep Learning (семестр 2, осень 2025)»Отзывов получено 5
Рейтинг курса «Deep Learning (семестр 2, осень 2025)»Рейтинг курса 4.800
Уроки в курсе «Deep Learning (семестр 2, осень 2025)»Количество уроков 38
Тесты в курсе «Deep Learning (семестр 2, осень 2025)»Количество квизов 1
Задачи с кодом в курсе «Deep Learning (семестр 2, осень 2025)»Количество задач с кодом 12
Время прохождения курса «Deep Learning (семестр 2, осень 2025)»Время прохождения курса —
Обновления курса «Deep Learning (семестр 2, осень 2025)»Обновления курса — —
Дата публикации курса «Deep Learning (семестр 2, осень 2025)»Дата публикации курса — ———
Последнее обновление курса «Deep Learning (семестр 2, осень 2025)»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «Deep Learning (семестр 2, осень 2025)» 21 раздел Уроки в курсе «Deep Learning (семестр 2, осень 2025)» 38 уроков Тесты в курсе «Deep Learning (семестр 2, осень 2025)» 1 тест Задачи в курсе «Deep Learning (семестр 2, осень 2025)» 12 задач Время прохождения курса «Deep Learning (семестр 2, осень 2025)» 2 ч. Последнее обновление курса «Deep Learning (семестр 2, осень 2025)» обн. 20 февраля 2026

1. Организационная информация

1 урок
Закрытый
1.1 Организационная информация ↗
2 337
951
1м 11с
22

2. Введение в NLP. Эмбеддинги слов.

2 урока
Закрытый
2.1 Лекция. Эмбеддинги слов. ↗
1 068
696
3м 25с
35
Закрытый
2.2 Семинар. Обработка и классификация текстов ↗
854
616
0м 28с
14

3. Домашнее задание. Ранжирование текстов на основе эмбеддингов

1 урок
Закрытый
3.1 Ранжирование текстов на основе эмбеддингов ↗
908
393
3м 0с
20

4. Рекуррентные нейронные сети (RNN)

2 урока
Закрытый
4.1 Лекция. Рекуррентные нейронные сети. Татьяна Гайнцева ↗
603
405
15м 22с
17
Закрытый
4.2 Семинар. Классификация текста с помощью RNN. Антон Земеров ↗
503
376
0м 22с
6

5. Домашнее задание. Классификация текста с помощью RNN

1 урок
Закрытый
5.1 Домашнее задание. Классификация текста с помощью RNN ↗
568
328
2м 28с
10

6. Языковое моделирование

2 урока
Закрытый
6.1 Лекция. Языковое моделирование. Антон Земеров ↗
459
330
12м 58с
15
Закрытый
6.2 Семинар. Языковое моделирование. Антон Земеров ↗
399
285
0м 20с
6

7. Домашнее задание. Языковое моделирование

1 урок
Закрытый
7.1 Домашнее задание. Языковое моделирование ↗
454
278
2м 45с
3

8. Машинный перевод и механизм Attention

3 урока
Закрытый
8.1 Лекция. Машинный перевод и механизм Attention ↗
418
300
1м 17с
4
Закрытый
8.2 Семинар. Машинный перевод ↗
338
236
0м 16с
2
Закрытый
8.3 Дополнительные материалы ↗
327
327
1м 4с
1

9. Архитектура Transformer

3 урока
Закрытый
9.1 Лекция. Attention и трансформер. Татьяна Гайнцева ↗
408
281
2м 31с
0
Закрытый
9.2 Семинар. Attention и трансформеры. Игорь Щукин ↗
338
220
1м 36с
0
Закрытый
9.3 Дополнительные материалы ↗
295
295
1м 4с
0

10. Предобучение и дообучение языковых моделей

2 урока
Закрытый
10.1 Лекция. Предобучение и файнтьюнинг LM. Антон Земеров ↗
333
223
6м 13с
0
Закрытый
10.2 Семинар. Файнтьюнинг BART для суммаризации. Антон Земеров ↗
308
199
1м 8с
0

11. Домашнее задание. Предобучение и дообучение языковых моделей

1 урок
Закрытый
11.1 Домашнее задание. Трансформеры ↗
355
206
2м 40с
0

12. От GPT до GPT-3. Zero-shot Learning.

1 урок
Закрытый
12.1 Лекция. GPT-модели ↗
307
210
1м 22с
0

13. GPT-2, GPT-3, RAG

2 урока
Закрытый
13.1 Лекция. GPT2 и далее ↗
271
186
1м 45с
0
Закрытый
13.2 Семинар. RAG ↗
274
174
1м 58с
0

14. Домашнее задание. RAG

1 урок
Закрытый
14.1 Домашнее задание. RAG ↗
297
142
2м 33с
0

15. Интерпретируемость трансформеров

2 урока
Закрытый
15.1 Лекция. Интерпретируемость трансформеров. ↗
214
122
1м 45с
0
Закрытый
15.2 Семинар. Интерпретируемость трансформеров. ↗
167
94
1м 36с
0

16. Детекция сгенерированных текстов

2 урока
Закрытый
16.1 Лекция. Детекция сгенерированных текстов. ↗
185
100
0м 26с
0
Закрытый
16.2 Семинар. Детекция сгенерированных текстов. ↗
158
91
1м 41с
0

17. Домашнее задание. Детекция сгенерированных текстов.

1 урок
Закрытый
17.1 Домашнее задание. Детекция сгенерированных текстов. ↗
202
101
41м 26с
0

18. Дополнительный модуль. Работа с Yandex Cloud

7 уроков
Закрытый
18.1 Введение. Что такое Yandex Datasphere ↗
148
75
2м 27с
0
Закрытый
18.2 Домашнее задание. Ранжирование на основе Yandex Embeddings ↗
115
4
0м 6с
0
Закрытый
18.3 Домашнее задание. Машинный перевод в Yandex Translate ↗
84
3
0м 6с
0
Закрытый
18.4 Лонгрид. Особенности эксплуатации GPT-моделей в облаке. ↗
70
70
3м 44с
0
Закрытый
18.5 Лонгрид. До-обучение Yandex GPT и LLaMA ↗
69
69
3м 47с
0
Закрытый
18.6 Домашнее задание. Извлечение именованных сущностей с помощью LLM ↗
85
3
0м 4с
0
Закрытый
18.7 Лонгрид. RAG на основе YandexGPT ↗
89
89
4м 12с
0

19. Дополнительный модуль. LLM-Агенты

1 урок
Закрытый
19.1 Открытая лекция. LLM-агенты ↗
80
80
0м 18с
0

20. Итоговый проект

1 урок
Закрытый
20.1 Итоговый проект. Описание и форма сдачи ↗
260
14
2м 58с
0

21. Модуль для дополнительных баллов

1 урок
Закрытый
21.1 Урок для дополнительных баллов ↗
240
3
-
0