Курс на Stepik
Обложка курса «Генеративные модели компьютерного зрения» на Stepik
5 000 ₽

Генеративные модели компьютерного зрения ★ 0.000

Открыть на
STEPIK.ORG

Курс посвящен современным моделям для генерации изображений, а также техникам для оптимизации и повышения стабильности их обучения. В курсе будет подробно разобрана теория методов, а также - большое количество практики для закрепления полученных знаний.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Генеративные модели компьютерного зрения»Учеников на курсе 138
Сертификаты, выданные на курсе «Генеративные модели компьютерного зрения»Сертификатов выдано 0
Отзывы о курсе «Генеративные модели компьютерного зрения»Отзывов получено 0
Рейтинг курса «Генеративные модели компьютерного зрения»Рейтинг курса 0.000
Уроки в курсе «Генеративные модели компьютерного зрения»Количество уроков 33
Тесты в курсе «Генеративные модели компьютерного зрения»Количество квизов 46
Задачи с кодом в курсе «Генеративные модели компьютерного зрения»Количество задач с кодом 1
Время прохождения курса «Генеративные модели компьютерного зрения»Время прохождения курса —
Стоимость курса «Генеративные модели компьютерного зрения»Стоимость курса 5 000 ₽ —
Обновления курса «Генеративные модели компьютерного зрения»Обновления курса — —
Дата публикации курса «Генеративные модели компьютерного зрения»Дата публикации курса — ———
Последнее обновление курса «Генеративные модели компьютерного зрения»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «Генеративные модели компьютерного зрения» 8 разделов Уроки в курсе «Генеративные модели компьютерного зрения» 33 урока Тесты в курсе «Генеративные модели компьютерного зрения» 46 тестов Задачи в курсе «Генеративные модели компьютерного зрения» 1 задача Время прохождения курса «Генеративные модели компьютерного зрения» 9 ч. Последнее обновление курса «Генеративные модели компьютерного зрения» обн. 2 февраля 2026

О курсе

2 урока
1. О курсе ↗
2. Тест по Deep Learning и классическим моделям Computer Vision ↗

Автокодировщики и генеративно-состязательные модели

6 уроков
1. Генерация изображений: описание и подходы ↗
2. Введение в основы Generative Adversarial Networks ↗
3. Особенности обучения GAN и примеры использования архитектуры ↗
4. Разбор архитектур (StyleGAN, etc.) ↗
5. Введение в автокодировщики и практика ↗
6. Практика ↗

Хаки для обучения моделей

4 урока
1. Ускорение и стабилизация процесса обучения ↗
2. Flash Attention и Layer fusing ↗
3. Квантизация и точность ↗
4. Проверка хаков в коде ↗

Вариационные автокодировщики и нормализационные потоки

6 уроков
1. Вариационные автокодировщики ↗
2. Погружение в VAE ↗
3. VQ-VAE, VQ-VAE2 ↗
4. Нормализационные потоки ↗
5. Еще немного NF и практика ↗
6. Домашнее задание ↗

Диффузионные модели

4 урока
1. Введение в диффузионные модели ↗
2. Обучение диффузионной модели и ее архитектура ↗
3. Различные диффузионные модели ↗
4. Практика по диффузии ↗

Мультимодальные модели

4 урока
1. Что такое мультимодальность? ↗
2. CLIP ↗
3. Zero- и Few-shot подходы. Промптинг. ↗
4. BLIP ↗

Устройство современных генеративных моделей

6 уроков
1. Обзор генеративных архитектур современности ↗
2. Stable Diffusion ↗
3. Janus Pro: описание инноваций и запуск модели от DeepSeek ↗
4. Honourable mentions ↗
5. Промптинг моделей генерации изображений ↗
6. Обзор методов fine-tuning ↗

Итоговое задание курса

1 урок
1. Итоговое задание курса ↗