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 3 177
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