Курс на Stepik
Обложка курса «Нейронные сети: Глубокое обучение с нуля» на Stepik
1 690 ₽

Нейронные сети: Глубокое обучение с нуля ★ 4.667

Открыть на
STEPIK.ORG

Курс для тех, кто хочет узнать о внутренней структуре и устройстве нейронных сетей и познакомиться с основными их разновидностями, погрузившись в обширную тему глубинного обучения | Deep Learning. Вы изучите принцип работы нейронных сетей и посмотрите, как они реализуются в коде, а также поймете механизмы лежащие в фундаменте этой технологии 🧠

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Нейронные сети: Глубокое обучение с нуля»Учеников на курсе 232
Сертификаты, выданные на курсе «Нейронные сети: Глубокое обучение с нуля»Сертификатов выдано 63
Отзывы о курсе «Нейронные сети: Глубокое обучение с нуля»Отзывов получено 9
Рейтинг курса «Нейронные сети: Глубокое обучение с нуля»Рейтинг курса 4.667
Уроки в курсе «Нейронные сети: Глубокое обучение с нуля»Количество уроков 31
Тесты в курсе «Нейронные сети: Глубокое обучение с нуля»Количество квизов 72
Время прохождения курса «Нейронные сети: Глубокое обучение с нуля»Время прохождения курса —
Стоимость курса «Нейронные сети: Глубокое обучение с нуля»Стоимость курса 1 690 ₽ —
Обновления курса «Нейронные сети: Глубокое обучение с нуля»Обновления курса — —
Дата публикации курса «Нейронные сети: Глубокое обучение с нуля»Дата публикации курса — ———
Последнее обновление курса «Нейронные сети: Глубокое обучение с нуля»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Нейронные сети: Глубокое обучение с нуля» 4 раздела Уроки в курсе «Нейронные сети: Глубокое обучение с нуля» 31 урок Тесты в курсе «Нейронные сети: Глубокое обучение с нуля» 72 теста Время прохождения курса «Нейронные сети: Глубокое обучение с нуля» 5 ч. Последнее обновление курса «Нейронные сети: Глубокое обучение с нуля» обн. 1 мая 2026

1. Глубокое обучение и нейронные сети

18 уроков
Открытый
1.1 Введение в нейронные сети ↗
530
159
9м 19с
13
Открытый
1.2 Перцептрон, сети, аппроксимация ↗
322
127
12м 49с
11
Открытый
1.3 Слои в НС ↗
288
110
14м 8с
8
Открытый
1.4 Функция активации ↗
199
103
13м 45с
6
Закрытый
1.5 Экстракция признаков ↗
99
99
2м 0с
5
Закрытый
1.6 Функция потерь ↗
96
89
11м 34с
5
Закрытый
1.7 Обучение НС ↗
91
83
11м 1с
6
Закрытый
1.8 Бэтчи и эпохи ↗
90
83
12м 55с
5
Закрытый
1.9 Оптимизация, lr ↗
89
79
22м 34с
7
Закрытый
1.10 Обратное распространение ошибки ↗
80
75
14м 29с
7
Закрытый
1.11 Смещение ↗
78
71
14м 8с
8
Закрытый
1.12 Обучаемые параметры ↗
77
69
7м 56с
6
Закрытый
1.13 Данные ↗
74
69
10м 54с
8
Закрытый
1.14 Переобучение и недообучение ↗
74
67
15м 51с
7
Закрытый
1.15 Аугментация данных ↗
70
65
8м 0с
9
Закрытый
1.16 Регуляризация ↗
69
62
8м 14с
6
Закрытый
1.17 С учителем, без учителя, с половиной учителя? ↗
65
59
13м 56с
7
Закрытый
1.18 Препроцессинг ↗
60
57
10м 3с
6

2. Компьютерное зрение

8 уроков
Закрытый
2.1 Обработка изображений ↗
67
61
11м 37с
7
Закрытый
2.2 Работа НС с изображениями ↗
63
58
9м 16с
6
Закрытый
2.3 CNN ↗
61
57
12м 22с
6
Закрытый
2.4 Как работает свертка (конволюция)? ↗
60
58
7м 40с
6
Закрытый
2.5 Сверточные слои против полносвязных ↗
59
52
6м 29с
2
Закрытый
2.6 Zero padding ↗
56
56
5м 12с
2
Закрытый
2.7 Max pooling ↗
55
48
8м 38с
2
Закрытый
2.8 Обучаемые параметры в CNN ↗
55
46
11м 37с
2

3. Дополнительные материалы

4 урока
Закрытый
3.1 Transfer learning и fine-tuning ↗
57
45
5м 28с
3
Закрытый
3.2 Проблема исчезающего градиента ↗
49
39
5м 49с
2
Закрытый
3.3 Инициализация весов ↗
48
41
6м 36с
2
Закрытый
3.4 Итоги ↗
53
44
1м 36с
3

4. Репетиторство

1 урок
Открытый
4.1 Мой контакт ↗
399
399
0м 29с
5