Курс на Stepik
Обложка курса «Введение в искусственные нейронные сети» на Stepik
Бесплатно

Введение в искусственные нейронные сети ★ 4.965

Открыть на
STEPIK.ORG

В курсе даётся элементарное введение в теорию искусственных нейронных сетей. Будут изучены основные принципы тренировок нейросетей, а также технологии, обеспечивающие успех таких тренировок.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Введение в искусственные нейронные сети»Учеников на курсе 19 663
Сертификаты, выданные на курсе «Введение в искусственные нейронные сети»Сертификатов выдано 3 110
Отзывы о курсе «Введение в искусственные нейронные сети»Отзывов получено 314
Рейтинг курса «Введение в искусственные нейронные сети»Рейтинг курса 4.965
Уроки в курсе «Введение в искусственные нейронные сети»Количество уроков 47
Тесты в курсе «Введение в искусственные нейронные сети»Количество квизов 73
Время прохождения курса «Введение в искусственные нейронные сети»Время прохождения курса —
Обновления курса «Введение в искусственные нейронные сети»Обновления курса — —
Дата публикации курса «Введение в искусственные нейронные сети»Дата публикации курса — ———
Последнее обновление курса «Введение в искусственные нейронные сети»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Введение в искусственные нейронные сети» 11 разделов Уроки в курсе «Введение в искусственные нейронные сети» 47 уроков Тесты в курсе «Введение в искусственные нейронные сети» 73 теста Время прохождения курса «Введение в искусственные нейронные сети» 9 ч. Последнее обновление курса «Введение в искусственные нейронные сети» обн. 15 июня 2026

Функции одного аргумента и их точки минимума

3 урока
1. Точки минимума функции ↗
2. Метод градиентного спуска ↗
3. Выводы ↗

Точки минимума функций многих переменных

5 уроков
1. Функции многих переменных ↗
2. Производные функций многих переменных ↗
3. Градиентный спуск для функций многих переменных ↗
4. Модификации градиентного спуска ↗
5. Выводы ↗

Сложные функции и графы вычислений

6 уроков
1. Сложные функции одного аргумента ↗
2. Сложные функции многих переменных ↗
3. Графы вычислений ↗
4. Алгоритм обратного распространения ↗
5. Сигмоида ↗
6. Выводы ↗

Искусственные нейронные сети

5 уроков
1. Биологические нейроны ↗
2. Искусственный нейрон ↗
3. Нейронные сети. Общие сведения ↗
4. Различия между биологическими и искусственными нейронными сетями ↗
5. Выводы ↗

Задача регрессии для нейронных сетей

5 уроков
1. Задачи, решаемые нейросетями. Задача регрессии ↗
2. План решения задачи регрессии с помощью нейросети ↗
3. Тренировка более сложной нейронной сети ↗
4. Улучшения градиентного спуска для нейросетей ↗
5. Выводы ↗

Инициализация весов и нормализация данных

4 урока
1. Такие дела... ↗
2. Инициализация весов ↗
3. Нормализация данных ↗
4. Выводы ↗

Регуляризация

4 урока
1. Постановка проблемы ↗
2. Что делать? ↗
3. Второй вид регуляризации ↗
4. Выводы ↗

Дропаут и нормализация по мини-батчам

5 уроков
1. Дропаут ↗
2. Нормализация данных во внутренних слоях сети ↗
3. Тонкая настройка нормализации ↗
4. Нормализация по мини-батчам ↗
5. Выводы ↗

Задача классификации

5 уроков
1. Постановка задачи ↗
2. Функция потерь для классификации ↗
3. Многоклассовая классификация ↗
4. Дурацкий классификатор ↗
5. Выводы ↗

Контроль качества обучения

4 урока
1. Валидационная выборка ↗
2. Выбор оптимальных гиперпараметров ↗
3. Переобучение и недообучение ↗
4. Выводы ↗

Учебные материалы

1 урок
1. Слайды лекций ↗