Спасибо за хороший, подробный курс!
Отличный курс для начинающих. Сложные понятия объясняются доходчиво и интересно. Очень позитивный лектор! Курс отлично пойдет для первого/второго знакомства, чтобы заинтересоваться и не бояться этой непростой темы. Доступные тестовые задания, на которых можно лучше понять и попрактиковать рассмотренную тему. Выражаю искреннюю благодарность организаторам курса!
самый крутой и понятный курс !!!
Большое спасибо Преподавателю за очень ИНТЕРЕСНОЕ и НЕТРИВИАЛЬНОЕ ПРЕДСТАВЛЕНИЕ ОЧЕНЬ СЛОЖНОГО МАТЕРИАЛА
Отличный курс!
Отличный курс для понимания математических основ нейронных сетей! Что я узнал: Курс последовательно проводит от базовых концепций (производные, градиенты) к реальным алгоритмам обучения нейросетей. Особенно ценно, что каждая тема связана с практикой: градиентный спуск → обучение сетей, цепное правило → backpropagation, регуляризация → борьба с переобучением. Что понравилось: Пошаговый подход с конкретными числовыми примерами. Вместо абстрактной теории - реальные вычисления, которые помогают понять, что происходит внутри PyTorch/TensorFlow. Слабые стороны: Некоторые задачи требуют угадывания формата ответа (например, использовать ли выборочное или генеральное стандартное отклонение). Было бы полезнее явно указывать это в условиях. Почему выбрал: Нужна была математическая основа для работы с deep learning. Курс идеально подходит для тех, кто хочет понимать, что происходит "под капотом" современных фреймворков. Рекомендую всем, кто переходит от практического применения нейросетей к глубокому пониманию!
Это был отличный курс; я узнал много нового информацию, спасибо вам
Все супер
От фундаментальной математики к пониманию архитектуры ИИ Прохождение курса «Введение в искусственные нейронные сети» от ОмГТУ стало для меня идеальным структурированием знаний. Главная ценность — чёткая логическая цепочка: от теории математического моделирования и анализа производных к практической реализации в виде градиентного спуска, и далее — к проектированию архитектуры сетей и работе с данными. Курс блестяще отвечает на ключевые вопросы: как нейросеть на самом деле «учится» (через оптимизацию функции потерь), сколько в ней параметров и где они хранятся, и почему так важна нормализация данных. Всё это объясняется не как магия, а как последовательность инженерных и математических задач, что даёт прочную основу для самостоятельной работы. Особая благодарность профессору А. Н. Шевлякову и Омскому государственному техническому университету за качественный контент. Этот курс — не «галочка», а настоящий фундамент для дальнейшего погружения в машинное обучение. Рекомендую всем, кто хочет понять ИИ изнутри, а не просто использовать его как чёрный ящик. Оценка: 5 ⭐⭐⭐⭐⭐