Курс на Stepik
Обложка курса «[АРХИВ] Deep Learning (семестр 2, 2023 год)» на Stepik
Бесплатно

[АРХИВ] Deep Learning (семестр 2, 2023 год) 5.000

Открыть на
STEPIK.ORG

Это второй семестр курса "Deep Learning" Школы глубокого обучения МФТИ, посвящённый обработке текстов и аудиосигналов с помощью нейросетей. Курс рассчитан на студентов, прошедших первый семестр нашего курса. Формат курса -- видеолекции и видеосеминары, а также практические домашние задания. Обучение проходит на языке Pytorch

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «[АРХИВ] Deep Learning (семестр 2, 2023 год)»Учеников на курсе 3 611
Сертификаты, выданные на курсе «[АРХИВ] Deep Learning (семестр 2, 2023 год)»Сертификатов выдано 0
Отзывы о курсе «[АРХИВ] Deep Learning (семестр 2, 2023 год)»Отзывов получено 5
Рейтинг курса «[АРХИВ] Deep Learning (семестр 2, 2023 год)»Рейтинг курса 5.000
Уроки в курсе «[АРХИВ] Deep Learning (семестр 2, 2023 год)»Количество уроков 18
Задачи с кодом в курсе «[АРХИВ] Deep Learning (семестр 2, 2023 год)»Количество задач с кодом 3
Время прохождения курса «[АРХИВ] Deep Learning (семестр 2, 2023 год)»Время прохождения курса
Обновления курса «[АРХИВ] Deep Learning (семестр 2, 2023 год)»Обновления курса
Дата публикации курса «[АРХИВ] Deep Learning (семестр 2, 2023 год)»Дата публикации курса
Последнее обновление курса «[АРХИВ] Deep Learning (семестр 2, 2023 год)»Последнее обновление
Сложность hard

Содержание курса

Разделы в курсе «[АРХИВ] Deep Learning (семестр 2, 2023 год)» 12 разделов Уроки в курсе «[АРХИВ] Deep Learning (семестр 2, 2023 год)» 18 уроков Задачи в курсе «[АРХИВ] Deep Learning (семестр 2, 2023 год)» 3 задачи Время прохождения курса «[АРХИВ] Deep Learning (семестр 2, 2023 год)» 0 ч. Последнее обновление курса «[АРХИВ] Deep Learning (семестр 2, 2023 год)» обн. 1 год назад

1. Организационная информация

1 урок
Закрытый
1.1 Организационная информация
6 111
2 661
1м 59с
50

2. Введение в NLP и классификация текста

2 урока
Открытый
2.1 Лекция. Введение в NLP и классификация текста
2 831
2 831
0м 3с
25
Закрытый
2.2 Семинар. Обработка и классификация текстов
2 746
1 963
0м 13с
48

3. Домашнее задание. Ранжирование текстов на основе эмбеддингов

1 урок
Закрытый
3.1 Домашнее задание. Ранжирование текстов на основе эмбеддингов
2 717
2 717
0м 28с
15

4. Эмбеддинги слов

1 урок
Закрытый
4.1 Лекция. Эмбеддинги слов. Татьяна Гайнцева
2 593
1 830
1м 13с
156

5. Классификация текста и рекуррентные нейронные сети

2 урока
Закрытый
5.1 Лекция. Рекуррентные нейронные сети. Татьяна Гайнцева
1 906
1 402
1м 13с
113
Закрытый
5.2 Семинар. Классификация текста с помощью RNN. Антон Земеров
1 589
1 589
0м 15с
33

6. Домашнее задание. Классификация текста с помощью RNN

1 урок
Закрытый
6.1 Домашнее задание. Классификация текста с помощью RNN
1 618
567
2м 40с
16

7. Языковое моделирование

2 урока
Закрытый
7.1 Лекция. Языковое моделирование. Антон Земеров
1 457
1 082
2м 39с
57
Закрытый
7.2 Семинар. Языковое моделирование. Антон Земеров
1 214
1 214
0м 6с
39

8. Домашнее задание. Языковое моделирование

1 урок
Закрытый
8.1 Домашнее задание. Языковое моделирование
634
149
1м 53с
4

9. Задача Seq2Seq и машинный перевод

2 урока
Закрытый
9.1 Лекция. Задача Seq2Seq и машинный перевод. Татьяна Гайнцева
642
414
0м 24с
25
Закрытый
9.2 Семинар. Машинный перевод. Игорь Щукин
496
496
0м 3с
11

10. Attention и Трансформеры

2 урока
Закрытый
10.1 Лекция. Attention и трансформеры. Лаида Кушнарева
675
346
0м 28с
3
Закрытый
10.2 Семинар. Attention и трансформеры. Игорь Щукин
1 333
1 333
0м 12с
23

11. Предобучение и файнтьюнинг языковых моделей

2 урока
Закрытый
11.1 Лекция. Предобучение и файнтьюнинг LM. Антон Земеров
1 307
932
1м 20с
27
Закрытый
11.2 Семинар. Файнтьюнинг BART для суммаризации. Антон Земеров
1 146
1 146
0м 12с
26

12. Домашнее задание. Предобучение и файнтьюн языковых моделей

1 урок
Закрытый
12.1 Домашнее задание. Трансформеры
1 234
425
1м 14с
-10