Курс на Stepik
Обложка курса «Введение в нейронные сети на практике с PyTorch» на Stepik
4 500 ₽

Введение в нейронные сети на практике с PyTorch ★ 4.800

Открыть на
STEPIK.ORG

Освойте нейросети на PyTorch с нуля! В этом курсе вы быстро разберётесь в ИИ — от базовых перцептронов до трендовых моделей, с наглядными анимациями и практикой. Создайте уникальные нейросети: распознавайте цифры с Feed-forward, классифицируйте изображения с CNN, генерируйте тексты с RNN, генерируйте изображения с DCGAN. Максимум практики — минимум сложностей!

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Введение в нейронные сети на практике с PyTorch»Учеников на курсе 139
Сертификаты, выданные на курсе «Введение в нейронные сети на практике с PyTorch»Сертификатов выдано 41
Отзывы о курсе «Введение в нейронные сети на практике с PyTorch»Отзывов получено 5
Рейтинг курса «Введение в нейронные сети на практике с PyTorch»Рейтинг курса 4.800
Уроки в курсе «Введение в нейронные сети на практике с PyTorch»Количество уроков 33
Тесты в курсе «Введение в нейронные сети на практике с PyTorch»Количество квизов 17
Время прохождения курса «Введение в нейронные сети на практике с PyTorch»Время прохождения курса —
Стоимость курса «Введение в нейронные сети на практике с PyTorch»Стоимость курса 4 500 ₽ —
Обновления курса «Введение в нейронные сети на практике с PyTorch»Обновления курса — —
Дата публикации курса «Введение в нейронные сети на практике с PyTorch»Дата публикации курса — ———
Последнее обновление курса «Введение в нейронные сети на практике с PyTorch»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Введение в нейронные сети на практике с PyTorch» 6 разделов Уроки в курсе «Введение в нейронные сети на практике с PyTorch» 33 урока Тесты в курсе «Введение в нейронные сети на практике с PyTorch» 17 тестов Время прохождения курса «Введение в нейронные сети на практике с PyTorch» 7 ч. Последнее обновление курса «Введение в нейронные сети на практике с PyTorch» обн. 7 марта 2026

Введение

4 урока
1. О чем этот курс? ↗
2. Доступ в группу с преподавателем ↗
3. Что такое нейроны? ↗
4. Проекты с этого курса ↗

Введение в машинное обучение и PyTorch

5 уроков
1. Введение в машинное обучение и нейронные сети:основные концепции ↗
2. Что такое нейрон? ↗
3. Функции потерь ↗
4. Backpropagation. Как обучать нейронную модель ↗
5. Дополнительно.Умножение матриц ↗

Многослойный перцептрон (MLP)

6 уроков
1. Введение в многослойный перцептрон (MLP) и его применение ↗
2. Архитектура MLP: слои, тензоры, градиенты, SGD ↗
3. Реализация MLP для распознавания рукописных цифр ↗
4. Тренировка первой MLP модели на MNIST ↗
5. Тренировка и настройка гиперпараметров MLP ↗
6. Пишем inference ↗

Convolutional Neural Network (CNN)

7 уроков
1. Введение. Зачем нужен CNN? ↗
2. Фильтры в CNN ↗
3. Пишем CNN с нуля ↗
4. Тренируем на датасете Food101 ↗
5. Создание и описание архитектуры CNN в PyTorch ↗
6. Адаптивный Learning Rate и тренировка нейросети в PyTorch ↗
7. Финальный урок: Инференс модели CNN ↗

Recurrent neural network (RNN)

7 уроков
1. Рекуррентные нейронные сети: Архитектура и возможности ↗
2. Архитектуры RNN: Many-to-Many и генерация текста Достоевского ↗
3. Первые шаги с RNN: Пишем модель на PyTorch ↗
4. Пишем CharRNN ↗
5. Загружаем создаем кастомный Датасет ↗
6. Пишем тренировочный цикл ↗
7. Инференс RNN ↗

DCGAN генерируем изоображения

4 урока
1. Что такое GAN? ↗
2. DCGAN +Transposed CNN ↗
3. Discriminator и Generator ↗
4. DCGAN Architecture ↗