Курс на Stepik
Обложка курса «[АРХИВ] Deep Learning (семестр 2, весна 2025)» на Stepik
Бесплатно

[АРХИВ] Deep Learning (семестр 2, весна 2025) ★ 5.000

Открыть на
STEPIK.ORG

Курс посвящен использованию нейросетевых моделей для обработки естественного языка (NLP) . Курс рассчитан на студентов, прошедших курс первого семестра нашей школы Deep Learning School. Курс состоит из лекций, семинаров и домашних заданий. В течение курса вам предстоит много практики, а в конце — самостоятельный итоговый проект. Практика проходит на PyTorch. Преподаватели школы — ведущие специалисты российских и зарубежных IT-компаний и научные сотрудники исследовательских компаний.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «[АРХИВ] Deep Learning (семестр 2, весна 2025)»Учеников на курсе 3 193
Сертификаты, выданные на курсе «[АРХИВ] Deep Learning (семестр 2, весна 2025)»Сертификатов выдано 0
Отзывы о курсе «[АРХИВ] Deep Learning (семестр 2, весна 2025)»Отзывов получено 3
Рейтинг курса «[АРХИВ] Deep Learning (семестр 2, весна 2025)»Рейтинг курса 5.000
Уроки в курсе «[АРХИВ] Deep Learning (семестр 2, весна 2025)»Количество уроков 32
Тесты в курсе «[АРХИВ] Deep Learning (семестр 2, весна 2025)»Количество квизов 1
Время прохождения курса «[АРХИВ] Deep Learning (семестр 2, весна 2025)»Время прохождения курса —
Обновления курса «[АРХИВ] Deep Learning (семестр 2, весна 2025)»Обновления курса — —
Дата публикации курса «[АРХИВ] Deep Learning (семестр 2, весна 2025)»Дата публикации курса — ———
Последнее обновление курса «[АРХИВ] Deep Learning (семестр 2, весна 2025)»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «[АРХИВ] Deep Learning (семестр 2, весна 2025)» 21 раздел Уроки в курсе «[АРХИВ] Deep Learning (семестр 2, весна 2025)» 32 урока Тесты в курсе «[АРХИВ] Deep Learning (семестр 2, весна 2025)» 1 тест Время прохождения курса «[АРХИВ] Deep Learning (семестр 2, весна 2025)» 2 ч. Последнее обновление курса «[АРХИВ] Deep Learning (семестр 2, весна 2025)» обн. 4 февраля 2026

Организационная информация

1 урок
1. Организационная информация ↗

Введение в NLP. Эмбеддинги слов.

2 урока
1. Лекция. Эмбеддинги слов. ↗
2. Семинар. Обработка и классификация текстов ↗

Домашнее задание. Ранжирование текстов на основе эмбеддингов

1 урок
1. Ранжирование текстов на основе эмбеддингов ↗

Рекуррентные нейронные сети (RNN)

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 ↗

Машинный перевод и механизм Attention

3 урока
1. Лекция. Машинный перевод и механизм Attention ↗
2. Семинар. Машинный перевод ↗
3. Дополнительные материалы ↗

Архитектура Transformer

3 урока
1. Лекция. Attention и трансформер. Татьяна Гайнцева ↗
2. Семинар. Attention и трансформеры. Игорь Щукин ↗
3. Дополнительные материалы ↗

Предобучение и дообучение языковых моделей

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

Домашнее задание. Предобучение и дообучение языковых моделей

1 урок
1. Домашнее задание. Трансформеры ↗

От GPT до GPT-3. Zero-shot Learning.

1 урок
1. Лекция. GPT-модели ↗

GPT-2, GPT-3, RAG

2 урока
1. Лекция. GP2 и далее ↗
2. Семинар. RAG ↗

Домашнее задание. RAG

1 урок
1. Домашнее задание. RAG ↗

Интерпретируемость трансформеров

2 урока
1. Лекция. Интерпретируемость трансформеров. ↗
2. Семинар. Интерпретируемость трансформеров. ↗

Детекция сгенерированных текстов

2 урока
1. Лекция. Детекция сгенерированных текстов. ↗
2. Семинар. Детекция сгенерированных текстов. ↗

Домашнее задание. Детекция сгенерированных текстов.

1 урок
1. Домашнее задание. Детекция сгенерированных текстов. ↗

Введение в обработку аудио

1 урок
1. Лекция. Введение в обработку аудио. ↗

Домашнее задание. Введение в обработку аудио

1 урок
1. Домашнее задание. Введение в обработку аудио ↗

Модуль для дополнительных баллов

1 урок
1. Урок для дополнительных баллов ↗

Итоговый проект

1 урок
1. Итоговый проект. Описание и форма сдачи ↗