Курс на Stepik
Обложка курса «Мини-GPT на NumPy: Создаем свою нейросеть на чистом Python» на Stepik
1 000 ₽

Мини-GPT на NumPy: Создаем свою нейросеть на чистом Python ★ 0.000

Открыть на
STEPIK.ORG
Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Мини-GPT на NumPy: Создаем свою нейросеть на чистом Python»Учеников на курсе 2
Сертификаты, выданные на курсе «Мини-GPT на NumPy: Создаем свою нейросеть на чистом Python»Сертификатов выдано 0
Отзывы о курсе «Мини-GPT на NumPy: Создаем свою нейросеть на чистом Python»Отзывов получено 0
Рейтинг курса «Мини-GPT на NumPy: Создаем свою нейросеть на чистом Python»Рейтинг курса 0.000
Уроки в курсе «Мини-GPT на NumPy: Создаем свою нейросеть на чистом Python»Количество уроков 10
Тесты в курсе «Мини-GPT на NumPy: Создаем свою нейросеть на чистом Python»Количество квизов 10
Стоимость курса «Мини-GPT на NumPy: Создаем свою нейросеть на чистом Python»Стоимость курса 1 000 ₽ —
Обновления курса «Мини-GPT на NumPy: Создаем свою нейросеть на чистом Python»Обновления курса — —
Дата публикации курса «Мини-GPT на NumPy: Создаем свою нейросеть на чистом Python»Дата публикации курса — ———
Последнее обновление курса «Мини-GPT на NumPy: Создаем свою нейросеть на чистом Python»Последнее обновление — ———
Сложность hard — ———

Чему вы научитесь

Продвинутый инженерный практикум для тех, кто уверенно владеет Python, NumPy, pytest и базовой линейной алгеброй. «С нуля» означает реализацию механизмов модели из операций NumPy без готового автоматического дифференцирования и библиотек машинного обучения, а не обучение программированию с нулевой подготовки. За 10 последовательных состояний проекта вы построите символьную авторегрессионную языковую модель: токенизацию, биграммную основу, нормализацию вероятностей и перекрёстную энтропию, ручные градиенты, собственный механизм автоматического дифференцирования, векторные представления, контекстную нейронную сеть, причинное внимание и мини-трансформер. В каждом уроке — проверяемый эксперимент, код, тесты и полный ZIP состояния проекта. Всё запускается локально на обычном процессоре, без PyTorch, API-ключей и сетевых сервисов. Цель курса — понять путь данных и градиента, а не получить промышленный чат-бот.

Преподаватели курса

Расскажите о курсе друзьям