Сколько стоит курс «[АРХИВ] Deep Learning (семестр 1, весна 2023): продвинутый поток»?

Курс «[АРХИВ] Deep Learning (семестр 1, весна 2023): продвинутый поток» доступен бесплатно.

Где можно пройти курс «[АРХИВ] Deep Learning (семестр 1, весна 2023): продвинутый поток»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/135003.

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

Name: [АРХИВ] Deep Learning (семестр 1, весна 2023): продвинутый поток
Availability: InStock
Rating: 4.8 (30 reviews)

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
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	7 042
Сертификатов выдано	0
Отзывов получено	30
Рейтинг курса	4.800
Количество уроков	35
Количество квизов	7
Количество задач с кодом	4
Время прохождения курса	5 ч.	—
Обновления курса	—	—
Дата публикации курса	3 года назад	—	—	—	—
Последнее обновление	1 год назад	—	—	—	—
Сложность	normal	—	—	—	—

Содержание курса

Разделы в курсе «[АРХИВ] Deep Learning (семестр 1, весна 2023): продвинутый поток»

22 раздела Уроки в курсе «[АРХИВ] Deep Learning (семестр 1, весна 2023): продвинутый поток»

35 уроков Тесты в курсе «[АРХИВ] Deep Learning (семестр 1, весна 2023): продвинутый поток»

7 тестов Задачи в курсе «[АРХИВ] Deep Learning (семестр 1, весна 2023): продвинутый поток»

4 задачи Время прохождения курса «[АРХИВ] Deep Learning (семестр 1, весна 2023): продвинутый поток»

5 ч.

обн. 1 год назад

1. Организационная информация

3 урока

Закрытый

1.1 О нас ↗

6 674

3 375

2м 41с

Открытый

1.2 Инструменты курса. Jupyter и Google Colab ↗

38 576

25 944

1м 21с

397

Открытый

1.3 Дополнительные материалы для самостоятельного освоения ↗

12 255

8 599

1м 15с

216

2. Введение в искусственный интеллект

1 урок

Открытый

2.1 Лекция, введение в ИИ. Михаил Бурцев ↗

37 833

19 865

84м 50с

866

3. Основы машинного обучения

2 урока

Открытый

3.1 Лекция. Введение в машинное обучение. Григорий Лелейтнер ↗

23 615

15 197

1м 34с

579

Открытый

3.2 Семинар. Библиотека sklearn. Григорий Лелейтнер ↗

21 588

13 948

0м 19с

337

4. Домашнее задание. Основы машинного обучения

1 урок

Открытый

4.1 Домашнее задание. Основы машинного обучения ↗

23 515

12 862

38м 59с

259

5. Линейные модели

2 урока

Открытый

5.1 Лекция. Линейные модели. Григорий Лелейтнер ↗

17 437

10 980

1м 59с

435

Открытый

5.2 Семинар. Линейные модели. Артем Ямалутдинов ↗

13 782

10 114

0м 18с

122

6. Домашнее задание. Линейные модели и методы оптимизации

1 урок

Открытый

6.1 Домашнее задание. Линейные модели и методы оптимизации ↗

13 306

7 307

91м 6с

7. Композиции алгоритмов и выбор модели

3 урока

Открытый

7.1 Допматериал. Метрики машинного обучения. Юрий Яровиков ↗

11 391

3 058

1м 55с

228

Открытый

7.2 Решающие деревья и композиции алгоритмов. Юрий Яровиков ↗

10 923

8 073

1м 5с

468

Открытый

7.3 Семинар. Выбор моделей и цикл разработки. Аркадий Боков ↗

11 614

7 713

0м 16с

388

8. Домашнее задание. Решение ML-задачи и Kaggle

1 урок

Закрытый

8.1 Домашнее задание. Конкурс на kaggle.com ↗

2 813

1 192

16м 53с

9. Введение в нейронные сети

2 урока

Открытый

9.1 Лекция. Введение в нейронные сети. Радослав Нейчев ↗

11 448

7 312

2м 42с

582

Открытый

9.2 Семинар. Введение в библиотеку Pytorch. Александр Миленькин ↗

8 035

5 734

0м 19с

124

10. Сверточные нейросети

2 урока

Открытый

10.1 Лекция. Сверточные нейросети. Татьяна Гайнцева ↗

11 453

7 727

2м 50с

802

Открытый

10.2 Семинар. Модули в PyTorch и CNN. Артем Ямалутдинов ↗

10 102

7 144

1м 58с

174

11. Домашнее задание. Сверточные и полносвязные нейросети

1 урок

Открытый

11.1 Домашнее задание. Сверточные и полносвязные нейросети ↗

6 883

4 484

0м 22с

12. Продвинутое обучение нейросетей

2 урока

Открытый

12.1 Лекция. Продвинутое обучение нейронных сетей. Радослав Нейчев ↗

10 043

5 749

1м 38с

514

Открытый

12.2 Семинар. Продвинутое обучение нейросетей. Григорий Лелейтнер ↗

8 372

4 970

0м 26с

206

13. Классификация изображений

2 урока

Открытый

13.1 Лекция. Классификация изображений. Татьяна Гайнцева ↗

7 885

4 418

1м 34с

386

Открытый

13.2 Семинар. Transfer Learning. Никита Балаганский ↗

6 117

3 636

0м 11с

213

14. Домашнее задание. Классификация изображений

1 урок

Закрытый

14.1 Домашнее задание. Классификация Симпсонов ↗

1 774

1 015

1м 47с

15. Семантическая сегментация

1 урок

Открытый

15.1 Лекция. Семантическая сегментация. Татьяна Гайнцева ↗

8 074

4 595

1м 7с

301

16. Домашнее задание. Сегментация изображений

1 урок

Закрытый

16.1 Домашнее задание. Сегментация изображений ↗

1 600

0м 23с

17. Детекция объектов на изображениях

2 урока

Открытый

17.1 Лекция. Нейронная детекция объектов. Илья Захаркин ↗

5 712

2 641

2м 12с

170

Открытый

17.2 Семинар. Нейронная детекция объектов. Илья Захаркин ↗

4 542

2 226

0м 16с

18. Генеративные модели и автоэнкодеры

2 урока

Открытый

18.1 Опционально: Лекция. Автоэнкодеры. Никита Балаганский ↗

4 310

2 745

1м 44с

112

Открытый

18.2 Семинар. Автоэнкодеры. Артём Ямалутдинов ↗

3 889

2 362

1м 34с

116

19. Домашнее задание. Автоэнкодеры

1 урок

Закрытый

19.1 Домашнее задание. Автоэнкодеры ↗

911

0м 18с

20. Генеративно-состязательные модели

2 урока

Открытый

20.1 Лекция. Генеративно-состязательные модели. Никита Балаганский ↗

3 600

1 947

0м 23с

Открытый

20.2 Семинар. Генеративно-состязательные модели. Артём Ямалутдинов ↗

3 097

1 719

0м 14с

21. Домашнее задание. Генеративно-состязательные модели

1 урок

Закрытый

21.1 Домашнее задание. Генеративно-состязательные модели ↗

853

0м 6с

22. Итоговый проект

1 урок

Закрытый

22.1 Итоговый проект. Описание и форма сдачи ↗

1 553

1м 36с