Курс знакомит слушателей с основными понятиями нейронных сетей. Мы рассмотрим сверточные, рекуррентные сети, разберем задачи классификации, сегментации, детекции, генерации изображений и текста. Полученных знаний будет достаточно для решения широкого круга задач.
Большое спасибо за такой детализированный курс! На его разработку ушло явно очень много времени. Благодаря курсу я теперь могу самостоятельно конструировать нейронные сети под свои задачи, а если что-то забуду, то всегда могу открыть свой код, который я написал за время прохождения курса. Очень хорошо, что в курсе рассказывается как математическая база, так и непосредственно основные команды Tensorflow.
Так как курс появился сравнительно давно, уже некоторые ссылки не актуальны. Кроме этого, с учетом замедления YouTube у меня возникли сложности с просмотром лекций. Но уже вижу, что началось выкладывание материала на RuTube.
Этот курс выбрал, поскольку в нём одновременно рассказывается как про все основные архитектуры нейронных сетей, так и tensorflow, который на первый взгляд, выглядит компактнее pytorch.
Желаю автору дальнейших успехов в разработке новых курсов.
Очень печальный курс. Данный курс это пересказ автора стандартных туториалов которые идут в описании 90% всей информации.
1. Чуть лучше стал понимать сети
2. Автор снимал видео с небольшими подробностями о сетях.
3. Ожидалось что мы будем использовать свой дата сет к примеру будем все ломать и заново строить + обучать сети на поиск людей в касках, масках но увы нет.
4. Хотелось получше разбираться в ИИ но этот курс не для этого.
5. Учитесь у Сергея Балакирева он как раз недавно открыт кус по ИИ
Добрый день!
- На начальных шагах в курсе указываю контакты, по которым можно со мной связаться и обсудить свои сложности, непонятности и датасеты.
- Я от вас не получила ни одной выполненной домашней работы (есть одна, в которой указан только знак минуса и та даже не отправлена на рецензию, то есть её я не видела и не знала, что у Вас есть какие-то проблемы).
- Вы можете при сдаче домашних работ писать комментарии по вашим пожеланиям, что к примеру, хочу следующую работу сделать на своем датасете, всегда студентов в этом поддерживаю.
- И курс, действительно, обзорный и вводный в нейронные сети (что и отображено в названии курса).
Соглашусь к ответу к предыдущему отзыву на 1 балл (что совершенно незаслуженно), что этот курс только тем, кто хорошо разбирается в классических методах ML, а так же хорошо знаком с линейной алгеброй и понятием производных.
Подробно разобраны основные архитектуры нейронных сетей: полносвязные, свёрточные и рекуррентные - особенно свёрточные, ради которых я и проходил данный курс. Разобраны задачи классификации, сегментации, детекции и генерации (VAE, GAN), с последней задачей я пока что ещё разбираюсь. Курс даёт отличную базу для дальнейшего изучения нейронных сетей. В первую очередь рекомендую курс тем, кто хочет узнать подробно о свёрточных нейронных сетях (компьютерное зрение). На момент написания отзывы я не встречал ещё на степике курс, который подробно затрагивает архитектуры сверточных сетей.
Повелся на отзывы, не понимаю за что 5 звезд ставят... Я как только входящий в ML - от слова не чего вообще не понял... Все бегом бегом и без разбора... Куча формул которые не разбираются и тому подобное...
Хочу сказать что в YouTube , есть в разы лучше курсы для начинающих, где как раз все разъясняется, именно для новичков...
Не советую покупать данный курс для новичков кто идет в ML, пустая трата времени и денег - не чего не поймете (говорю как человек работающий в IT в целом, более 10 лет, и в разработке на других ЯП - более 5 лет)
Добрый день!
Курс не вводный в ML, а курс вводный в нейронные сети, в описании курса, указано, что нужно обладать основами ML для успешного понимания материала.
Скопировала из описания курса:
- Основы Python
- Numpy
- Основы линейной алгебры (понятия векторов, матриц)
- Понятие производной
- Основы машинного обучения (работа с данными, линейная регрессия)
Дополню тем, что при сдачи домашних работ вы не указывали ссылки на свои ноутбуки с google colab, а оставляли только небольшой скопированный кусочек кода и так же не оставляли ни одного вопроса, при этом все (буквально все) тестовые задачи по NN у вас решены за один день (31.03.2024), за этот же день отправлено 3 ДЗ, а за один день невозможно весь материал посмотреть, а уж тем более разобраться в нём.
Курс мне очень понравился!
1. Познакомился с использованием библиотек Keras, TensorFlow, CNN, RNN сетями.
2. Понравилось изложение материала автором, пояснение особенностей методов, много практики.
3. Курс привлек названием и рассматриваемыми темами. Не ошибся в ожиданиях.
Спасибо большое, курс очень интересный!
Отличный курс для тех, кто хочет понять, что находится под капотом современных технологий.
Это очень ценный и структурированный материал, такой структурности не найти в свободном доступе, большое спасибо Юлии что вложила свой опыт в этот курс.
После курса я действительно стал понимать всё, что написано в описании курса. Мне понравилось, что материала в курсе очень много, лекции очень подробные, каждое ДЗ это не просто повторение лекций, но и закрепление нового материала.
Этот курс - это не просто про изучение библиотек, а про объяснение концепций нейронок на практических примерах.
Я выбрал именно этот курс, потому что после длительного поиска материалов в интернете я попал на канал Юлии, и понял - что это именно то, что мне нужно, чтобы действительно чему-то научиться и использовать это в бизнес-задачах.
Ещё раз спасибо Юлии за огромный труд!
Шикарный курс, рассказывается о том, как все устроено под капотом нейронных сетей и как это используют на практике, какой есть для этого инструментарий/библиотеки. Хорошие практические задачи в курсе также присутствуют.
Замечательный курс для начала обучения по нейронным сетям. Юлия очень подробно разжевывает каждую деталь как теоретической, так и по практической части в достаточно понятной форме даже для человека не имеющего очень сильную математическую базу.
Курс в целом дает достаточную основу для того, чтобы после него начать более-менее свободно пользоваться keras и tf и начать практиковаться уже на kaggle и других ресурсах.
Важно уточнить, что перед прохождением очень желательно иметь хотя бы минимальный набор знаний по МЛ и понимать хотя бы такие базовые вещи как линейная регрессия, градиентный спуск и метрики лосса для регрессии/классификации.
Юлии - огромное спасибо за создание данного курса). Очень хотелось бы увидеть подобный курс по статистике для МЛ в Вашем исполнении.
(P.S. было бы шикарно если бы к каждому разделу после лекций были бы добавлены небольшие заметки о хотя бы примерной подготовке данных для подачи в каждый тип сети)
Приветствую всех!
Хочу выразить огромную благодарность Юлии за ее титанический труд и вклад в развитие людей, которые хотят познать эту науку. Благодаря таким людям как Юлия у каждого из нас появляется шанс открыть для себя новые знания. Я закончил курс по нейросетям и смотрел много уроков на ее канале. Хочу отметить, что все лекции хорошо структурированы, а самое главное все объясняется на доступном для всех языке. Очень рекомендую курсы от Юлии, всегда жду ее новых лекций!! Желаю Юлии и дальше продолжать создавать доступные лекции и материалы для людей, для нас это очень важно!
