![Обложка курса «[АРХИВ] Deep Learning (семестр 1, весна 2025)» на Stepik](https://cdn.stepik.net/media/cache/images/courses/230362/cover_4tkfoRj/492fc6dc0234358ce905da4c4ca71bd6.jpg "[АРХИВ] Deep Learning (семестр 1, весна 2025) — рейтинг 4.8, 6 397 учеников")
![Количество учеников на курсе «[АРХИВ] Deep Learning (семестр 1, весна 2025)»](/static/images/icons/study.png){kind=icon}
![Сертификаты, выданные на курсе «[АРХИВ] Deep Learning (семестр 1, весна 2025)»](/static/images/icons/certificate.png){kind=icon}
![Отзывы о курсе «[АРХИВ] Deep Learning (семестр 1, весна 2025)»](/static/images/icons/rewiew.png){kind=icon}
![Рейтинг курса «[АРХИВ] Deep Learning (семестр 1, весна 2025)»](/static/images/icons/star.png){kind=icon}
![Дата публикации курса «[АРХИВ] Deep Learning (семестр 1, весна 2025)»](/static/images/icons/date_publ.png){kind=icon}
Содержание курса
![Разделы в курсе «[АРХИВ] Deep Learning (семестр 1, весна 2025)»](/static/images/icons/package.png){kind=icon}
23
раздела
![Уроки в курсе «[АРХИВ] Deep Learning (семестр 1, весна 2025)»](/static/images/icons/text.png){kind=icon}
40
уроков
![Тесты в курсе «[АРХИВ] Deep Learning (семестр 1, весна 2025)»](/static/images/icons/quiz.png){kind=icon}
1
тест
![Задачи в курсе «[АРХИВ] Deep Learning (семестр 1, весна 2025)»](/static/images/icons/code.png){kind=icon}
4
задачи
![Время прохождения курса «[АРХИВ] Deep Learning (семестр 1, весна 2025)»](/static/images/icons/time_clock.png){kind=icon}
3 ч.
![Последнее обновление курса «[АРХИВ] Deep Learning (семестр 1, весна 2025)»](/static/images/icons/last_update.png){kind=icon}
обн. 4 февраля 2026
1. Организационная информация
2 урока
16 691
7 330
12м
241
Закрытый
1.1
О курсе
↗
10 142
5 976
3м 5с
145
Открытый
1.2
Инструменты курса. Jupyter и Google Colab
↗
6 549
1 354
9м 57с
96
2. Введение в искусственный интеллект
1 урок
6 716
6 716
0м
174
Закрытый
2.1
Лекция, введение в ИИ. Михаил Бурцев
↗
6 716
6 716
0м 20с
174
3. Основы машинного обучения
2 урока
8 693
6 280
1м
217
Закрытый
3.1
Лекция. Введение в машинное обучение.
↗
5 776
4 325
1м 42с
129
Закрытый
3.2
Семинар. Введение в ML. Pandas, Matplotlib, Sklearn.
↗
2 917
1 955
1м 45с
88
4. Домашнее задание. Основы машинного обучения
1 урок
2 952
1 835
1м
47
Закрытый
4.1
Домашнее задание. Основы машинного обучения
↗
2 952
1 835
1м 15с
47
5. Линейные модели
2 урока
4 910
3 267
2м
109
Закрытый
5.1
Лекция. Линейные модели.
↗
3 425
2 220
1м 22с
77
Закрытый
5.2
Семинар. Линейные модели.
↗
1 485
1 047
1м 35с
32
6. Домашнее задание. Линейные модели
1 урок
1 610
835
36м
25
Закрытый
6.1
Домашнее задание. Линейные модели и методы оптимизации
↗
1 610
835
36м 46с
25
7. Композиции алгоритмов и выбор модели
3 урока
4 453
3 264
2м
144
Открытый
7.1
Решающие деревья и композиции алгоритмов. Юрий Яровиков
↗
2 414
1 742
1м 17с
100
Закрытый
7.2
Допматериал. Метрики машинного обучения. Юрий Яровиков
↗
1 004
761
0м 20с
19
Закрытый
7.3
Семинар. Выбор моделей и цикл разработки. Аркадий Боков
↗
1 035
761
0м 17с
25
8. Домашнее задание. Решение ML-соревнования
1 урок
1 318
1 318
2м
27
Закрытый
8.1
Домашнее задание. Конкурс на kaggle
↗
1 318
1 318
2м 57с
27
9. Введение в нейронные сети
3 урока
3 471
2 786
3м
87
Закрытый
9.1
Лекция. Введение в нейронные сети.
↗
1 333
911
3м 50с
36
Закрытый
9.2
Семинар. Введение в библиотеку Pytorch.
↗
1 127
864
0м 16с
46
Закрытый
9.3
Дополнительные материалы к модулю
↗
1 011
1 011
0м 6с
5
10. Сверточные нейросети
2 урока
2 131
1 535
4м
35
Открытый
10.1
Лекция. Сверточные нейросети. Татьяна Гайнцева
↗
1 135
810
3м 57с
56
Закрытый
10.2
Семинар. Модули в PyTorch и CNN. Артем Ямалутдинов
↗
996
725
1м 8с
-21
11. Домашнее задание. Сверточные и полносвязные нейросети
1 урок
1 088
750
0м
29
Закрытый
11.1
Домашнее задание. Сверточные и полносвязные нейросети
↗
1 088
750
0м 25с
29
12. Продвинутое обучение нейросетей
2 урока
1 791
1 250
2м
38
Открытый
12.1
Лекция. Продвинутое обучение нейронных сетей. Радослав Нейчев
↗
986
701
1м 12с
35
Закрытый
12.2
Семинар. Продвинутое обучение нейросетей. Григорий Лелейтнер
↗
805
549
0м 22с
3
13. Архитектуры CNN и Fine-Tuning
2 урока
2 273
1 521
1м
95
Открытый
13.1
Лекция. Классификация изображений. Татьяна Гайнцева
↗
1 590
1 060
1м 48с
96
Закрытый
13.2
Семинар. Классификация изображений.
↗
683
461
0м 28с
-1
14. Домашнее задание. Архитектуры CNN и Fine-Tuning
1 урок
862
862
2м
11
Закрытый
14.1
Домашнее задание. Классификация Симпсонов
↗
862
862
2м 53с
11
15. Семантическая сегментация
3 урока
1 684
1 289
6м
60
Открытый
15.1
Лекция. Семантическая сегментация. Татьяна Гайнцева
↗
674
431
5м 28с
36
Закрытый
15.2
Семинар. Семантическая сегментация. Асель Ермекова
↗
540
388
0м 16с
23
Закрытый
15.3
Опционально: Семинар. Семантическая сегментация. Юрий Яровиков
↗
470
470
0м 19с
1
16. Домашнее задание. Сегментация изображений
1 урок
659
659
0м
14
Закрытый
16.1
Домашнее задание. Сегментация изображений
↗
659
659
0м 9с
14
17. Детекция объектов
2 урока
1 135
690
3м
29
Закрытый
17.1
Лекция. Детекция объектов.
↗
627
366
3м 55с
17
Закрытый
17.2
Семинар. Детекция объектов.
↗
508
324
0м 19с
12
18. Домашнее задание. Детекция объектов
1 урок
581
581
0м
9
Закрытый
18.1
Домашнее задание. Детекция.
↗
581
581
0м 5с
9
19. Генеративные модели и автоэнкодеры
3 урока
1 250
862
13м
38
Закрытый
19.1
Лекция. Автоэнкодеры. Нина Коновалова
↗
540
283
12м 34с
22
Закрытый
19.2
Семинар. Автоэнкодеры. Артём Ямалутдинов
↗
373
242
1м 38с
10
Закрытый
19.3
Опционально: Лекция. Автоэнкодеры. Никита Балаганский
↗
337
337
0м 22с
6
20. Домашнее задание. Автоэнкодеры
1 урок
499
499
0м
6
Закрытый
20.1
Домашнее задание. Автоэнкодеры
↗
499
499
0м 17с
6
21. Генеративно-состязательные сети
3 урока
1 541
919
2м
41
Закрытый
21.1
Лекция. GANs
↗
899
498
1м 2с
30
Закрытый
21.2
Семинар (part 1) - введение в GANs . Артём Ямалутдинов
↗
330
235
0м 15с
3
Закрытый
21.3
Семинар (part 2). Инверсия StyleGAN-2
↗
312
186
1м 31с
8
22. Домашнее задание. Генеративно-состязательные сети
1 урок
486
486
0м
7
Закрытый
22.1
Домашнее задание. Генеративно-состязательные модели
↗
486
486
0м 10с
7
23. Итоговый проект
1 урок
627
627
0м
14
Закрытый
23.1
Итоговый проект. Описание и форма сдачи
↗
627
627
0м 11с
14