Курс на Stepik
Обложка курса «[АРХИВ] Deep Learning (семестр 1, весна 2023): базовый поток» на Stepik
Бесплатно

[АРХИВ] Deep Learning (семестр 1, весна 2023): базовый поток ★ 4.391

Открыть на
STEPIK.ORG

Цель этого курса - познакомить слушателей с теорией и практикой глубокого обучения и нейронных сетей в интерактивном формате. В течение курса вам будет предложено несколько практических заданий. Последним заданием является итоговый практический проект. По итогам курса будет выдан сертификат об окончании школы, дающий льготы при поступлении в бакалавриат и магистратуру ФПМИ МФТИ.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «[АРХИВ] Deep Learning (семестр 1, весна 2023): базовый поток»Учеников на курсе 6 034
Сертификаты, выданные на курсе «[АРХИВ] Deep Learning (семестр 1, весна 2023): базовый поток»Сертификатов выдано 0
Отзывы о курсе «[АРХИВ] Deep Learning (семестр 1, весна 2023): базовый поток»Отзывов получено 23
Рейтинг курса «[АРХИВ] Deep Learning (семестр 1, весна 2023): базовый поток»Рейтинг курса 4.391
Уроки в курсе «[АРХИВ] Deep Learning (семестр 1, весна 2023): базовый поток»Количество уроков 36
Тесты в курсе «[АРХИВ] Deep Learning (семестр 1, весна 2023): базовый поток»Количество квизов 26
Задачи с кодом в курсе «[АРХИВ] Deep Learning (семестр 1, весна 2023): базовый поток»Количество задач с кодом 22
Время прохождения курса «[АРХИВ] Deep Learning (семестр 1, весна 2023): базовый поток»Время прохождения курса —
Обновления курса «[АРХИВ] Deep Learning (семестр 1, весна 2023): базовый поток»Обновления курса — —
Дата публикации курса «[АРХИВ] Deep Learning (семестр 1, весна 2023): базовый поток»Дата публикации курса — ———
Последнее обновление курса «[АРХИВ] Deep Learning (семестр 1, весна 2023): базовый поток»Последнее обновление — ———
Сложность normal — ———

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
  • Встраивать нейросетевые модели в простейшие продукты (tg-боты, web-демо)

О курсе

Цель этого курса - познакомить слушателей с теорией и практикой глубокого обучения и нейронных сетей в интерактивном формате. В течение курса вам будет предложено несколько практических заданий. Последним заданием является итоговый практический проект. По итогам курса будет выдан сертификат об окончании школы, дающий льготы при поступлении в бакалавриат и магистратуру ФПМИ МФТИ.

Для кого этот курс

Школьники 9-11 класса, занимающиеся математикой и программированием; студенты и выпускники технических вузов

Начальные требования

Владение языком Python и отличное знание школьной математики

Преподаватели курса

Аватар Школа глубокого обучения МФТИ
Школа глубокого обучения МФТИ
Каждые полгода мы запускаем новую итерацию нашего трехсеместрового практического онлайн-курса по глубокому обучению. Наб...
★ 4.6
19 курсов 104 277
→

Нагрузка

6-9 часов в неделю

Расскажите о курсе друзьям