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 2 932
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

Организационная информация

1 урок
1. Организационная информация

Введение в NLP. Эмбеддинги слов.

2 урока
1. Лекция. Эмбеддинги слов.
2. Семинар. Обработка и классификация текстов

Домашнее задание. Ранжирование текстов на основе эмбеддингов

1 урок
1. Ранжирование текстов на основе эмбеддингов

Рекуррентные нейронные сети (RNN)

2 урока
1. Лекция. Рекуррентные нейронные сети. Татьяна Гайнцева
2. Семинар. Классификация текста с помощью RNN. Антон Земеров

Домашнее задание. Классификация текста с помощью RNN

1 урок
1. Домашнее задание. Классификация текста с помощью RNN

Языковое моделирование

2 урока
1. Лекция. Языковое моделирование. Антон Земеров
2. Семинар. Языковое моделирование. Антон Земеров

Домашнее задание. Языковое моделирование

1 урок
1. Домашнее задание. Языковое моделирование

Машинный перевод и механизм Attention

3 урока
1. Лекция. Машинный перевод и механизм Attention
2. Семинар. Машинный перевод
3. Дополнительные материалы

Архитектура Transformer

3 урока
1. Лекция. Attention и трансформер. Татьяна Гайнцева
2. Семинар. Attention и трансформеры. Игорь Щукин
3. Дополнительные материалы

Предобучение и дообучение языковых моделей

2 урока
1. Лекция. Предобучение и файнтьюнинг LM. Антон Земеров
2. Семинар. Файнтьюнинг BART для суммаризации. Антон Земеров

Домашнее задание. Предобучение и дообучение языковых моделей

1 урок
1. Домашнее задание. Трансформеры

От GPT до GPT-3. Zero-shot Learning.

1 урок
1. Лекция. GPT-модели

GPT-2, GPT-3, RAG

2 урока
1. Лекция. GPT2 и далее
2. Семинар. RAG

Домашнее задание. RAG

1 урок
1. Домашнее задание. RAG

Интерпретируемость трансформеров

2 урока
1. Лекция. Интерпретируемость трансформеров.
2. Семинар. Интерпретируемость трансформеров.

Детекция сгенерированных текстов

2 урока
1. Лекция. Детекция сгенерированных текстов.
2. Семинар. Детекция сгенерированных текстов.

Домашнее задание. Детекция сгенерированных текстов.

1 урок
1. Домашнее задание. Детекция сгенерированных текстов.

Дополнительный модуль. Работа с Yandex Cloud

7 уроков
1. Введение. Что такое Yandex Datasphere
2. Домашнее задание. Ранжирование на основе Yandex Embeddings
3. Домашнее задание. Машинный перевод в Yandex Translate
4. Лонгрид. Особенности эксплуатации GPT-моделей в облаке.
5. Лонгрид. До-обучение Yandex GPT и LLaMA
6. Домашнее задание. Извлечение именованных сущностей с помощью LLM
7. Лонгрид. RAG на основе YandexGPT

Дополнительный модуль. LLM-Агенты

1 урок
1. Открытая лекция. LLM-агенты

Итоговый проект

1 урок
1. Итоговый проект. Описание и форма сдачи

Модуль для дополнительных баллов

1 урок
1. Урок для дополнительных баллов