Содержание пакета (3 курса)
1. Компьютерное зрение (CV): от основ до нейросетей
Установочный модуль
3 урока
1.
Знакомство
↗
2.
Зрение и компьютерное зрение
↗
3.
Цифровое изображение
↗
Основные библиотеки
3 урока
1.
Google Colab
↗
2.
Библиотеки
↗
3.
Датасет
↗
Предобработка изображений
5 уроков
1.
Простые операции с изображением: сложение, умножение, вычитание
↗
2.
Геометрические трансформации изображения
↗
3.
Геометрические трансформации изображения. Часть 2
↗
4.
Морфологические трансформации
↗
5.
Матричные фильтры обработки изображений
↗
Обработка изображений
3 урока
1.
Анализ изображений:
↗
2.
Локальные особенности
↗
3.
Сопоставление и сшивка изображений
↗
Работа с документами и распознавание текста
2 урока
1.
Распознавание текста
↗
2.
Модель OCR-2.0
↗
Нейросети
3 урока
1.
Нейросети: обучение, исполнение
↗
2.
Архитектуры нейронных сетей
↗
3.
Практическое применение нейросетей
↗
Работа с фото
2 урока
1.
Фотография и вычислительная фотография
↗
2.
Нейросети и обработка изображений
↗
2. Основы Python для исследований и анализа данных 5.00
Установочный модуль
3 урока
1.
О чем этот курс
↗
2.
Вводное слово и глоссарий
↗
3.
Установка Python и первые шаги
↗
Что такое данные?
9 уроков
1.
Введение
↗
2.
Данные: какие они бывают?
↗
3.
Числовые данные
↗
4.
Текстовые данные
↗
5.
Дополнительные задачи
↗
6.
От ячейки к набору данных: списки
↗
7.
От списка к таблице: вложенные списки
↗
8.
Способы хранения данных
↗
9.
Дополнительные задачи
↗
Основы Python
9 уроков
1.
Введение
↗
2.
Логические операции
↗
3.
Циклы
↗
4.
Больше про циклы
↗
5.
Функции
↗
6.
Структуры данных: кортежи, множества и словари
↗
7.
Модули и библиотеки
↗
8.
Дополнительные задачи
↗
9.
Дополнительные задачи
↗
Pandas: работа с таблицами в Python
8 уроков
1.
Введение
↗
2.
Знакомство с Series
↗
3.
Знакомство с DataFrame
↗
4.
Индексация таблиц
↗
5.
Базовые операции с переменными
↗
6.
Важные методы
↗
7.
Объединение таблиц
↗
8.
Дополнительные задачи
↗
Знакомство со статистикой
6 уроков
1.
Введение
↗
2.
Переменные и их распределение
↗
3.
Меры центральной тенденции
↗
4.
Меры изменчивости
↗
5.
Квантили распределения
↗
6.
Корреляция
↗
Визуализация
7 уроков
1.
Введение
↗
2.
Визуализация в Python: matplotlib и seaborn
↗
3.
Состав данных
↗
4.
Сравнение
↗
5.
Взаимосвязи
↗
6.
Динамика
↗
7.
Частые ошибки
↗
3. Основы обработки естественного языка (NLP)
Что такое NLP
4 урока
1.
Зачем нужно знать про NLP?
↗
2.
Текст как данные
↗
3.
Основные задачи NLP
↗
4.
Этика и ограничения
↗
Python для NLP
9 уроков
1.
Основы Python
↗
2.
Jupyter Notebook
↗
3.
Работа со строками и файлами. Часть 1
↗
4.
Работа со строками и файлами. Часть 2
↗
5.
Списки и словари для работы с текстами. Часть 1
↗
6.
Списки и словари для работы с текстами. Часть 2
↗
7.
Введение в Pandas
↗
8.
Введение в Pandas. Практикум
↗
9.
Основные библиотеки Python, используемые в NLP
↗
Предобработка
5 уроков
1.
Особенности работы с текстовыми данными
↗
2.
Базовые способы очистки текстов
↗
3.
Лемматизация и стемминг
↗
4.
Регулярные выражения. Часть 1
↗
5.
Регулярные выражения. Часть 2
↗
Векторизация
3 урока
1.
Что такое векторизация
↗
2.
Популярные способы векторизации
↗
3.
Способы предобработки
↗
ML для NLP
4 урока
1.
ML в NLP
↗
2.
Основные модели и их работа
↗
3.
ML-пайплайн
↗
4.
Ограничения классических методов
↗
Современные методы
6 уроков
1.
Что такое нейросеть
↗
2.
Что такое языковая модель
↗
3.
Внимание и трансформеры
↗
4.
Что такое LLM
↗
5.
Идея переноса обучения, BERT и GPT
↗
6.
Transformers
↗