Сколько стоит курс «Введение в искусственные нейронные сети»?

Курс «Введение в искусственные нейронные сети» доступен бесплатно.

Сколько времени занимает прохождение курса «Введение в искусственные нейронные сети»?

Прохождение курса «Введение в искусственные нейронные сети» занимает примерно 9 часов.

Какой рейтинг у курса «Введение в искусственные нейронные сети»?

Курс имеет рейтинг 5.0 из 5 на основе 303 отзывов. На курсе обучается 18 973 учеников.

Выдаётся ли сертификат по окончании курса?

Да, при успешном завершении курса выдаётся сертификат от платформы Stepik. На данный момент 2 940 учеников получили сертификат (15.5% завершаемость).

Где можно пройти курс «Введение в искусственные нейронные сети»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/100076.

Курс на Stepik

Обложка курса «Введение в искусственные нейронные сети» на Stepik

Бесплатно

Введение в искусственные нейронные сети ★ 4.964

Name: Введение в искусственные нейронные сети
Availability: InStock
Rating: 4.963696369636963 (303 reviews)

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
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	18 973
Сертификатов выдано	2 940
Отзывов получено	303
Рейтинг курса	4.964
Количество уроков	47
Количество квизов	73
Время прохождения курса	9 ч.	—
Обновления курса	—	—
Дата публикации курса	4 года назад	—	—	—	—
Последнее обновление	30 марта 2026	—	—	—	—
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.

обн. 30 марта 2026

1. Функции одного аргумента и их точки минимума

3 урока

Закрытый

1.1 Точки минимума функции ↗

14 130

5 236

17м 43с

308

Закрытый

1.2 Метод градиентного спуска ↗

6 763

3 491

48м 30с

237

Закрытый

1.3 Выводы ↗

4 679

1м 50с

106

2. Точки минимума функций многих переменных

5 уроков

Закрытый

2.1 Функции многих переменных ↗

4 764

13м 28с

149

Закрытый

2.2 Производные функций многих переменных ↗

4 521

3 305

14м 15с

143

Закрытый

2.3 Градиентный спуск для функций многих переменных ↗

4 287

3 275

14м 55с

150

Закрытый

2.4 Модификации градиентного спуска ↗

4 071

2 869

30м 30с

164

Закрытый

2.5 Выводы ↗

3 638

1м 9с

3. Сложные функции и графы вычислений

6 уроков

Закрытый

3.1 Сложные функции одного аргумента ↗

3 864

3 155

12м 20с

119

Закрытый

3.2 Сложные функции многих переменных ↗

3 688

2 864

18м 33с

119

Закрытый

3.3 Графы вычислений ↗

3 669

7м 17с

111

Закрытый

3.4 Алгоритм обратного распространения ↗

3 714

2 806

15м 46с

127

Закрытый

3.5 Сигмоида ↗

3 626

2 758

9м 11с

109

Закрытый

3.6 Выводы ↗

3 328

1м 2с

4. Искусственные нейронные сети

5 уроков

Закрытый

4.1 Биологические нейроны ↗

3 784

3м 46с

Закрытый

4.2 Искусственный нейрон ↗

3 790

2 940

23м 1с

124

Закрытый

4.3 Нейронные сети. Общие сведения ↗

3 670

2 869

20м 21с

114

Закрытый

4.4 Различия между биологическими и искусственными нейронными сетями ↗

3 438

5м 57с

Закрытый

4.5 Выводы ↗

3 308

1м 41с

5. Задача регрессии для нейронных сетей

5 уроков

Закрытый

5.1 Задачи, решаемые нейросетями. Задача регрессии ↗

3 613

9м 31с

Закрытый

5.2 План решения задачи регрессии с помощью нейросети ↗

3 575

2 754

17м 6с

109

Закрытый

5.3 Тренировка более сложной нейронной сети ↗

3 396

14м 58с

Закрытый

5.4 Улучшения градиентного спуска для нейросетей ↗

3 350

2 280

15м 27с

114

Закрытый

5.5 Выводы ↗

3 011

1м 43с

6. Инициализация весов и нормализация данных

4 урока

Закрытый

6.1 Такие дела... ↗

3 203

4м 29с

Закрытый

6.2 Инициализация весов ↗

3 200

25м 42с

108

Закрытый

6.3 Нормализация данных ↗

3 192

2 375

18м 40с

110

Закрытый

6.4 Выводы ↗

2 918

1м 44с

7. Регуляризация

4 урока

Закрытый

7.1 Постановка проблемы ↗

3 034

10м 13с

Закрытый

7.2 Что делать? ↗

3 047

1 944

15м 25с

Закрытый

7.3 Второй вид регуляризации ↗

2 986

1 976

6м 23с

Закрытый

7.4 Выводы ↗

2 752

1м 31с

8. Дропаут и нормализация по мини-батчам

5 уроков

Закрытый

8.1 Дропаут ↗

3 052

1 966

25м 49с

123

Закрытый

8.2 Нормализация данных во внутренних слоях сети ↗

2 771

18м 36с

Закрытый

8.3 Тонкая настройка нормализации ↗

2 715

8м 35с

Закрытый

8.4 Нормализация по мини-батчам ↗

2 699

6м 32с

Закрытый

8.5 Выводы ↗

2 635

1м 57с

9. Задача классификации

5 уроков

Закрытый

9.1 Постановка задачи ↗

2 873

17м 53с

Закрытый

9.2 Функция потерь для классификации ↗

2 914

1 772

25м 55с

Закрытый

9.3 Многоклассовая классификация ↗

2 680

6м 1с

Закрытый

9.4 Дурацкий классификатор ↗

2 784

2 114

7м 18с

Закрытый

9.5 Выводы ↗

2 510

1м 2с

10. Контроль качества обучения

4 урока

Закрытый

10.1 Валидационная выборка ↗

2 867

1 869

23м 44с

Закрытый

10.2 Выбор оптимальных гиперпараметров ↗

2 591

8м 43с

Закрытый

10.3 Переобучение и недообучение ↗

2 595

4м 39с

Закрытый

10.4 Выводы ↗

2 537

2 257

1м 28с

11. Учебные материалы

1 урок

Закрытый

11.1 Слайды лекций ↗

3 281

0м 29с