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 19 466
Сертификаты, выданные на курсе «Введение в искусственные нейронные сети»Сертификатов выдано 3 081
Отзывы о курсе «Введение в искусственные нейронные сети»Отзывов получено 310
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