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 3 630
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

Организационная информация

1 урок
1. Организационная информация ↗

Введение в NLP и классификация текста

2 урока
1. Лекция. Введение в NLP и классификация текста ↗
2. Семинар. Обработка и классификация текстов ↗

Домашнее задание. Ранжирование текстов на основе эмбеддингов

1 урок
1. Домашнее задание. Ранжирование текстов на основе эмбеддингов ↗

Эмбеддинги слов

1 урок
1. Лекция. Эмбеддинги слов. Татьяна Гайнцева ↗

Классификация текста и рекуррентные нейронные сети

2 урока
1. Лекция. Рекуррентные нейронные сети. Татьяна Гайнцева ↗
2. Семинар. Классификация текста с помощью RNN. Антон Земеров ↗

Домашнее задание. Классификация текста с помощью RNN

1 урок
1. Домашнее задание. Классификация текста с помощью RNN ↗

Языковое моделирование

2 урока
1. Лекция. Языковое моделирование. Антон Земеров ↗
2. Семинар. Языковое моделирование. Антон Земеров ↗

Домашнее задание. Языковое моделирование

1 урок
1. Домашнее задание. Языковое моделирование ↗

Задача Seq2Seq и машинный перевод

2 урока
1. Лекция. Задача Seq2Seq и машинный перевод. Татьяна Гайнцева ↗
2. Семинар. Машинный перевод. Игорь Щукин ↗

Attention и Трансформеры

2 урока
1. Лекция. Attention и трансформеры. Лаида Кушнарева ↗
2. Семинар. Attention и трансформеры. Игорь Щукин ↗

Предобучение и файнтьюнинг языковых моделей

2 урока
1. Лекция. Предобучение и файнтьюнинг LM. Антон Земеров ↗
2. Семинар. Файнтьюнинг BART для суммаризации. Антон Земеров ↗

Домашнее задание. Предобучение и файнтьюн языковых моделей

1 урок
1. Домашнее задание. Трансформеры ↗