Сколько стоит курс «Генеративные модели компьютерного зрения»?

Стоимость курса составляет 5000.00 рублей

Сколько времени занимает прохождение курса «Генеративные модели компьютерного зрения»?

Прохождение курса «Генеративные модели компьютерного зрения» занимает примерно 9 часов.

Какой рейтинг у курса «Генеративные модели компьютерного зрения»?

Курс имеет рейтинг 0.0 из 5 на основе 0 отзывов. На курсе обучается 103 учеников.

Где можно пройти курс «Генеративные модели компьютерного зрения»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/232553.

Курс на Stepik

Обложка курса «Генеративные модели компьютерного зрения» на Stepik

5 000 ₽

Генеративные модели компьютерного зрения ★ 0.000

Name: Генеративные модели компьютерного зрения
Price: 5000.00 RUB
Availability: InStock
Rating: 0 (0 reviews)

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
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	103
Сертификатов выдано	0
Отзывов получено	0
Рейтинг курса	0.000
Количество уроков	33
Количество квизов	46
Количество задач с кодом	1
Время прохождения курса	9 ч.	—
Стоимость курса	5 000 ₽	—
Обновления курса	—	—
Дата публикации курса	1 год назад	—	—	—	—
Последнее обновление	2 февраля 2026	—	—	—	—
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.

обн. 2 февраля 2026

1. О курсе

2 урока

Закрытый

1.1 О курсе ↗

2м 34с

Закрытый

1.2 Тест по Deep Learning и классическим моделям Computer Vision ↗

4м 6с

2. Автокодировщики и генеративно-состязательные модели

6 уроков

Закрытый

2.1 Генерация изображений: описание и подходы ↗

5м 0с

Закрытый

2.2 Введение в основы Generative Adversarial Networks ↗

26м 36с

Закрытый

2.3 Особенности обучения GAN и примеры использования архитектуры ↗

41м 20с

Закрытый

2.4 Разбор архитектур (StyleGAN, etc.) ↗

40м 16с

Закрытый

2.5 Введение в автокодировщики и практика ↗

9м 39с

Закрытый

2.6 Практика ↗

31м 53с

3. Хаки для обучения моделей

4 урока

Закрытый

3.1 Ускорение и стабилизация процесса обучения ↗

50м 54с

Закрытый

3.2 Flash Attention и Layer fusing ↗

25м 42с

Закрытый

3.3 Квантизация и точность ↗

22м 50с

Закрытый

3.4 Проверка хаков в коде ↗

42м 27с

4. Вариационные автокодировщики и нормализационные потоки

6 уроков

Закрытый

4.1 Вариационные автокодировщики ↗

521

458

10м 13с

Закрытый

4.2 Погружение в VAE ↗

46м 46с

Закрытый

4.3 VQ-VAE, VQ-VAE2 ↗

37м 35с

Открытый

4.4 Нормализационные потоки ↗

247

123

3м 53с

Закрытый

4.5 Еще немного NF и практика ↗

37м 33с

Закрытый

4.6 Домашнее задание ↗

0м 21с

5. Диффузионные модели

4 урока

Закрытый

5.1 Введение в диффузионные модели ↗

28м 2с

Закрытый

5.2 Обучение диффузионной модели и ее архитектура ↗

47м 54с

Закрытый

5.3 Различные диффузионные модели ↗

11м 50с

Закрытый

5.4 Практика по диффузии ↗

29м 46с

6. Мультимодальные модели

4 урока

Закрытый

6.1 Что такое мультимодальность? ↗

0м 1с

Закрытый

6.2 CLIP ↗

Закрытый

6.3 Zero- и Few-shot подходы. Промптинг. ↗

Закрытый

6.4 BLIP ↗

7. Устройство современных генеративных моделей

6 уроков

Закрытый

7.1 Обзор генеративных архитектур современности ↗

Закрытый

7.2 Stable Diffusion ↗

Закрытый

7.3 Janus Pro: описание инноваций и запуск модели от DeepSeek ↗

Закрытый

7.4 Honourable mentions ↗

Закрытый

7.5 Промптинг моделей генерации изображений ↗

Закрытый

7.6 Обзор методов fine-tuning ↗

8. Итоговое задание курса

1 урок

Закрытый

8.1 Итоговое задание курса ↗