![Обложка курса «[АРХИВ] Deep Learning (семестр 1, осень 2024)» на Stepik](https://cdn.stepik.net/media/cache/images/courses/196127/cover_T5rqLTs/3189a88448ea0459b68262e46f596941.jpg "[АРХИВ] Deep Learning (семестр 1, осень 2024) — рейтинг 4.8, 5 394 учеников")
![Количество учеников на курсе «[АРХИВ] Deep Learning (семестр 1, осень 2024)»](/static/images/icons/study.png){kind=icon}
![Сертификаты, выданные на курсе «[АРХИВ] Deep Learning (семестр 1, осень 2024)»](/static/images/icons/certificate.png){kind=icon}
![Отзывы о курсе «[АРХИВ] Deep Learning (семестр 1, осень 2024)»](/static/images/icons/rewiew.png){kind=icon}
![Рейтинг курса «[АРХИВ] Deep Learning (семестр 1, осень 2024)»](/static/images/icons/star.png){kind=icon}
![Дата публикации курса «[АРХИВ] Deep Learning (семестр 1, осень 2024)»](/static/images/icons/date_publ.png){kind=icon}
Содержание курса
![Разделы в курсе «[АРХИВ] Deep Learning (семестр 1, осень 2024)»](/static/images/icons/package.png){kind=icon}
22
раздела
![Уроки в курсе «[АРХИВ] Deep Learning (семестр 1, осень 2024)»](/static/images/icons/text.png){kind=icon}
40
уроков
![Тесты в курсе «[АРХИВ] Deep Learning (семестр 1, осень 2024)»](/static/images/icons/quiz.png){kind=icon}
1
тест
![Время прохождения курса «[АРХИВ] Deep Learning (семестр 1, осень 2024)»](/static/images/icons/time_clock.png){kind=icon}
4 ч.
![Последнее обновление курса «[АРХИВ] Deep Learning (семестр 1, осень 2024)»](/static/images/icons/last_update.png){kind=icon}
обн. 25 января 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
8 798
6 404
2м
219
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.
↗
3 022
2 079
1м 48с
90
4. Домашнее задание. Основы машинного обучения
1 урок
3 104
1 763
1м
50
Закрытый
4.1
Домашнее задание. Основы машинного обучения
↗
3 104
1 763
1м 17с
50
5. Линейные модели
2 урока
4 990
3 331
2м
112
Закрытый
5.1
Лекция. Линейные модели.
↗
3 425
2 220
1м 22с
77
Закрытый
5.2
Семинар. Линейные модели.
↗
1 565
1 111
1м 36с
35
6. Домашнее задание. Линейные модели
1 урок
1 810
1 101
0м
40
Открытый
6.1
Домашнее задание. Линейные модели и методы оптимизации
↗
1 810
1 101
0м 16с
40
7. Композиции алгоритмов и выбор модели
3 урока
4 588
3 382
2м
159
Открытый
7.1
Решающие деревья и композиции алгоритмов. Юрий Яровиков
↗
2 414
1 742
1м 17с
100
Открытый
7.2
Допматериал. Метрики машинного обучения. Юрий Яровиков
↗
1 070
820
0м 23с
26
Открытый
7.3
Семинар. Выбор моделей и цикл разработки. Аркадий Боков
↗
1 104
820
0м 18с
33
8. Домашнее задание. Решение ML-задачи на Kaggle
1 урок
1 389
1 389
2м
22
Закрытый
8.1
Домашнее задание. Конкурс на kaggle
↗
1 389
1 389
2м 4с
22
9. Введение в нейронные сети
3 урока
6 522
5 323
2м
234
Закрытый
9.1
Лекция. Введение в нейронные сети.
↗
2 450
1 738
2м 36с
123
Закрытый
9.2
Семинар. Введение в библиотеку Pytorch.
↗
2 139
1 652
0м 22с
91
Закрытый
9.3
Дополнительные материалы к модулю
↗
1 933
1 933
0м 5с
20
10. Сверточные нейросети
2 урока
21 555
14 871
3м
976
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
2 159
1 519
0м
32
Закрытый
11.1
Домашнее задание. Сверточные и полносвязные нейросети
↗
2 159
1 519
0м 25с
32
12. Продвинутое обучение нейросетей
2 урока
18 415
10 719
1м
720
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. Архитектуры CNN и Fine-Tuning
2 урока
2 342
1 655
1м
116
Открытый
13.1
Лекция. Классификация изображений. Татьяна Гайнцева
↗
1 590
1 060
1м 48с
96
Открытый
13.2
Семинар. Классификация изображений. Никита Балаганский
↗
752
595
0м 23с
20
14. Домашнее задание. Архитектуры CNN и Fine-Tuning
1 урок
1 632
962
1м
30
Закрытый
14.1
Домашнее задание. Классификация Симпсонов
↗
1 632
962
1м 50с
30
15. Семантическая сегментация
3 урока
9 783
6 304
2м
330
Открытый
15.1
Лекция. Семантическая сегментация. Татьяна Гайнцева
↗
8 074
4 595
1м 7с
301
Закрытый
15.2
Семинар. Семантическая сегментация. Асель Ермекова
↗
618
618
0м 7с
29
Закрытый
15.3
Опционально: Семинар. Семантическая сегментация. Юрий Яровиков
↗
1 091
1 091
0м 20с
0
16. Домашнее задание. Сегментация изображений
1 урок
750
750
0м
6
Закрытый
16.1
Домашнее задание. Сегментация изображений
↗
750
750
0м 9с
6
17. Детекция объектов
2 урока
10 254
4 867
2м
203
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
33
18. Генеративные модели и автоэнкодеры
3 урока
9 203
5 742
12м
267
Закрытый
18.1
Лекция. Автоэнкодеры. Нина Коновалова
↗
1 004
635
11м 52с
39
Открытый
18.2
Семинар. Автоэнкодеры. Артём Ямалутдинов
↗
3 889
2 362
1м 34с
116
Открытый
18.3
Опционально: Лекция. Автоэнкодеры. Никита Балаганский
↗
4 310
2 745
1м 44с
112
19. Домашнее задание. Автоэнкодеры
1 урок
1 033
1 033
0м
2
Закрытый
19.1
Домашнее задание. Автоэнкодеры
↗
1 033
1 033
0м 9с
2
20. Генеративно-состязательные сети
4 урока
2 099
1 222
2м
62
Закрытый
20.1
Лекция. GANs
↗
899
498
1м 2с
30
Закрытый
20.2
Семинар (part 1) - введение в GANs . Артём Ямалутдинов
↗
362
256
0м 11с
6
Закрытый
20.3
Семинар (part 2). Инверсия StyleGAN-2
↗
435
246
0м 25с
15
Закрытый
20.4
Опционально: Лекция - GANs Никита Балаганский
↗
403
222
0м 9с
11
21. Домашнее задание. Генеративно-состязательные сети
1 урок
516
516
0м
3
Закрытый
21.1
Домашнее задание. Генеративно-состязательные модели
↗
516
516
0м 11с
3
22. Итоговый проект
1 урок
621
621
2м
3
Закрытый
22.1
Итоговый проект. Описание и форма сдачи
↗
621
621
2м 32с
3