Курс на Stepik
Обложка курса «Добрый, добрый ИИ. Часть 2. Нейронные сети на PyTorch» на Stepik
3 000₽ -17%
--:--:--
2 500 ₽

Добрый, добрый ИИ. Часть 2. Нейронные сети на PyTorch ★ 4.969

Открыть на
STEPIK.ORG

Нейронные сети - самое популярное, трендовое направление в области искусственного интеллекта. Они уже стали частью нашей повседневной жизни, от распознавания образов и управления транспортом до генерации текстов, музыки, изображений, создания deep fake'ов. Этот курс позволит заглянуть вам "за кулисы" мира нейросетей и понять основные, базовые принципы их работы.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Добрый, добрый ИИ. Часть 2. Нейронные сети на PyTorch»Учеников на курсе 3 541
Сертификаты, выданные на курсе «Добрый, добрый ИИ. Часть 2. Нейронные сети на PyTorch»Сертификатов выдано 202
Отзывы о курсе «Добрый, добрый ИИ. Часть 2. Нейронные сети на PyTorch»Отзывов получено 32
Рейтинг курса «Добрый, добрый ИИ. Часть 2. Нейронные сети на PyTorch»Рейтинг курса 4.969
Уроки в курсе «Добрый, добрый ИИ. Часть 2. Нейронные сети на PyTorch»Количество уроков 53
Тесты в курсе «Добрый, добрый ИИ. Часть 2. Нейронные сети на PyTorch»Количество квизов 292
Задачи с кодом в курсе «Добрый, добрый ИИ. Часть 2. Нейронные сети на PyTorch»Количество задач с кодом 193
Время прохождения курса «Добрый, добрый ИИ. Часть 2. Нейронные сети на PyTorch»Время прохождения курса —
Стоимость курса «Добрый, добрый ИИ. Часть 2. Нейронные сети на PyTorch»Стоимость курса 3 000 ₽ —
Обновления курса «Добрый, добрый ИИ. Часть 2. Нейронные сети на PyTorch»Обновления курса — —
Дата публикации курса «Добрый, добрый ИИ. Часть 2. Нейронные сети на PyTorch»Дата публикации курса — ———
Последнее обновление курса «Добрый, добрый ИИ. Часть 2. Нейронные сети на PyTorch»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «Добрый, добрый ИИ. Часть 2. Нейронные сети на PyTorch» 5 разделов Уроки в курсе «Добрый, добрый ИИ. Часть 2. Нейронные сети на PyTorch» 53 урока Тесты в курсе «Добрый, добрый ИИ. Часть 2. Нейронные сети на PyTorch» 292 теста Задачи в курсе «Добрый, добрый ИИ. Часть 2. Нейронные сети на PyTorch» 193 задачи Время прохождения курса «Добрый, добрый ИИ. Часть 2. Нейронные сети на PyTorch» 58 ч. Последнее обновление курса «Добрый, добрый ИИ. Часть 2. Нейронные сети на PyTorch» обн. 26 мая 2026

1. Введение в нейросети. Тензоры PyTorch

11 уроков
Открытый
1.1 Начало ↗
3 678
654
16м 26с
93
Открытый
1.2 Структура и принцип работы полносвязных нейронных сетей ↗
1 485
461
58м 30с
84
Закрытый
1.3 Установка PyTorch совместно с CUDA ↗
784
533
7м 59с
43
Закрытый
1.4 Создание тензоров. Конвертирование в NumPy ↗
717
485
34м 52с
41
Закрытый
1.5 Тензоры. Автозаполнение, изменение формы ↗
625
423
67м 2с
58
Закрытый
1.6 Тензоры. Индексирование и срезы ↗
554
387
68м 38с
57
Закрытый
1.7 Тензоры. Базовые математические операции ↗
533
357
76м 53с
52
Закрытый
1.8 Тензоры. Тригонометрические и статистические функции ↗
491
326
73м 42с
48
Закрытый
1.9 Тензоры. Векторно-матричные операции ↗
485
323
57м 57с
36
Закрытый
1.10 Использование CPU и GPU на примере простой НС ↗
508
317
44м 33с
40
Закрытый
1.11 Персептрон - возможности классификации образов ↗
487
226
170м 10с
43

2. Создание и обучение моделей полносвязных нейронных сетей

16 уроков
Закрытый
2.1 Идея обучения НС градиентным алгоритмом ↗
534
256
60м 1с
41
Закрытый
2.2 Алгоритм back propagation ↗
473
309
20м 7с
31
Закрытый
2.3 Функции активации и потерь в PyTorch ↗
440
281
43м 13с
34
Закрытый
2.4 Автоматическое дифференцирование ↗
413
269
52м 51с
38
Закрытый
2.5 Оптимизаторы. Реализация SGD на PyTorch ↗
392
244
108м 41с
29
Закрытый
2.6 Классы nn.Linear и nn.Module ↗
384
270
73м 5с
40
Закрытый
2.7 Форматы выборок. Сбалансированность и репрезентативность ↗
352
253
67м 11с
36
Закрытый
2.8 Классы Dataset и Dataloader ↗
369
254
51м 35с
33
Закрытый
2.9 Применение классов Dataset и Dataloader ↗
348
233
151м 22с
36
Закрытый
2.10 Классификация изображений цифр БД MNIST ↗
352
225
87м 10с
37
Закрытый
2.11 Трансформации transform. Класс ImageFolder ↗
321
205
88м 11с
28
Закрытый
2.12 Сохранение и загрузка моделей нейронных сетей ↗
295
189
63м 50с
33
Закрытый
2.13 Переобучение (overfitting). Критерии останова обучения ↗
314
203
94м 17с
34
Закрытый
2.14 L2-регуляризатор и Dropout ↗
315
208
75м 17с
31
Закрытый
2.15 Алгоритм Batch Normalization ↗
319
204
55м 45с
32
Закрытый
2.16 Классы Sequential, ModuleList и ModuleDict ↗
307
190
101м 20с
40

3. Сверточные нейронные сети

12 уроков
Закрытый
3.1 Введение в сверточные нейронные сети (CNN) ↗
357
180
76м 8с
38
Закрытый
3.2 Классы Conv2d и MaxPool2d ↗
309
195
40м 33с
28
Закрытый
3.3 Пример реализации сверточной нейронной сети ↗
305
180
99м 51с
30
Закрытый
3.4 Сверточные нейронные сети VGG-16 и VGG-19 ↗
279
171
79м 27с
27
Закрытый
3.5 Теория стилизации изображений (Neural Style Transfer) ↗
259
154
32м 11с
23
Закрытый
3.6 Делаем стилизацию изображений на PyTorch ↗
253
156
22м 10с
25
Закрытый
3.7 Остаточные нейронные сети (residual networks - ResNet) ↗
250
162
54м 54с
29
Закрытый
3.8 Архитектуры ResNet-18 и ResNet-50 ↗
259
156
62м 6с
27
Закрытый
3.9 Использование ResNet моделей. Их связь с Dropout и бустингом ↗
227
161
39м 57с
24
Закрытый
3.10 Transfer Learning (трансферное обучение) ↗
240
152
51м 51с
27
Закрытый
3.11 Архитектура сети U-Net. Семантическая сегментация изображений ↗
252
157
40м 18с
29
Закрытый
3.12 Реализация U-Net для семантической сегментации изображений ↗
257
146
57м 1с
28

4. Рекуррентные нейронные сети

9 уроков
Закрытый
4.1 Введение в рекуррентные нейронные сети ↗
308
151
57м 42с
27
Закрытый
4.2 Класс nn.RNN рекуррентного слоя ↗
249
145
65м 44с
19
Закрытый
4.3 Рекуррентная сеть для прогноза символов ↗
241
109
144м 43с
16
Закрытый
4.4 Понятие эмбеддинга. Embedding слов ↗
238
128
36м 33с
18
Закрытый
4.5 Прогноз слов рекуррентной нейронной сетью ↗
213
104
95м 25с
12
Закрытый
4.6 Функции активации в RNN. Двунаправленные RNN ↗
192
112
43м 23с
19
Закрытый
4.7 Двунаправленные RNN в PyTorch. Сентимент-анализ фраз ↗
200
86
152м 48с
17
Закрытый
4.8 LSTM - долгая краткосрочная память ↗
238
97
72м 30с
15
Закрытый
4.9 Рекуррентный блок GRU ↗
213
94
36м 56с
12

5. Автоэнкодеры. Генеративные сети

5 уроков
Закрытый
5.1 Введение в автоэнкодеры ↗
284
104
95м 38с
20
Закрытый
5.2 Вариационные автоэнкодеры (VAE) ↗
203
102
24м 11с
17
Закрытый
5.3 Реализация вариационного автоэнкодера (VAE) ↗
192
89
88м 17с
14
Закрытый
5.4 Генеративно-состязательные сети (GAN) ↗
208
90
25м 54с
17
Закрытый
5.5 Реализация GAN на PyTorch ↗
321
71
84м 35с
18