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

[АРХИВ] Deep Learning (семестр 1, весна 2023): продвинутый поток ★ 4.800

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): продвинутый поток»Учеников на курсе 7 042
Сертификаты, выданные на курсе «[АРХИВ] Deep Learning (семестр 1, весна 2023): продвинутый поток»Сертификатов выдано 0
Отзывы о курсе «[АРХИВ] Deep Learning (семестр 1, весна 2023): продвинутый поток»Отзывов получено 30
Рейтинг курса «[АРХИВ] Deep Learning (семестр 1, весна 2023): продвинутый поток»Рейтинг курса 4.800
Уроки в курсе «[АРХИВ] Deep Learning (семестр 1, весна 2023): продвинутый поток»Количество уроков 35
Тесты в курсе «[АРХИВ] Deep Learning (семестр 1, весна 2023): продвинутый поток»Количество квизов 7
Задачи с кодом в курсе «[АРХИВ] Deep Learning (семестр 1, весна 2023): продвинутый поток»Количество задач с кодом 4
Время прохождения курса «[АРХИВ] Deep Learning (семестр 1, весна 2023): продвинутый поток»Время прохождения курса —
Обновления курса «[АРХИВ] Deep Learning (семестр 1, весна 2023): продвинутый поток»Обновления курса — —
Дата публикации курса «[АРХИВ] Deep Learning (семестр 1, весна 2023): продвинутый поток»Дата публикации курса — ———
Последнее обновление курса «[АРХИВ] Deep Learning (семестр 1, весна 2023): продвинутый 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
  • Решать современные задачи компьютерного зрения с помощью продвинутых нейросетевых архитектур
  • 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

Старшеклассники физико-математических школ, студенты и выпускники технических вузов

Начальные требования

  • владение языком Python
  • владение библиотеками для анализа данных в Python
  • знание вузовской программы высшей математики (основы матричного исчисления, базовые понятия математического анализа и теории вероятностей)

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 104 237
→

Нагрузка

6-9 часов в неделю

Расскажите о курсе друзьям