Курс на Stepik
Обложка курса «Нейронные сети и компьютерное зрение» на Stepik
Бесплатно

Нейронные сети и компьютерное зрение ★ 4.822

Открыть на
STEPIK.ORG

Почему стоит начать изучение машинного обучения и нейронных сетей с нашего курса? Наш девиз "Больше практики!": излагая математические основы очень доступным языком, авторы курса, эксперты Samsung AI Center дадут базовые знания на примере решения задач компьютерного зрения. Это зрелищно и интересно!

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Нейронные сети и компьютерное зрение»Учеников на курсе 96 404
Сертификаты, выданные на курсе «Нейронные сети и компьютерное зрение»Сертификатов выдано 10 561
Отзывы о курсе «Нейронные сети и компьютерное зрение»Отзывов получено 489
Рейтинг курса «Нейронные сети и компьютерное зрение»Рейтинг курса 4.822
Уроки в курсе «Нейронные сети и компьютерное зрение»Количество уроков 37
Тесты в курсе «Нейронные сети и компьютерное зрение»Количество квизов 155
Задачи с кодом в курсе «Нейронные сети и компьютерное зрение»Количество задач с кодом 23
Время прохождения курса «Нейронные сети и компьютерное зрение»Время прохождения курса —
Обновления курса «Нейронные сети и компьютерное зрение»Обновления курса — —
Дата публикации курса «Нейронные сети и компьютерное зрение»Дата публикации курса — ———
Последнее обновление курса «Нейронные сети и компьютерное зрение»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «Нейронные сети и компьютерное зрение» 7 разделов Уроки в курсе «Нейронные сети и компьютерное зрение» 37 уроков Тесты в курсе «Нейронные сети и компьютерное зрение» 155 тестов Задачи в курсе «Нейронные сети и компьютерное зрение» 23 задачи Время прохождения курса «Нейронные сети и компьютерное зрение» 21 ч. Последнее обновление курса «Нейронные сети и компьютерное зрение» обн. 23 марта 2026

Нейрон и нейронная сеть

5 уроков
1. Математическая модель нейрона ↗
2. Теоретические задачи ↗
3. Булевы операции в виде нейронов ↗
4. От нейрона к нейронной сети ↗
5. Семинар: Базовая работа в PyTorch ↗

Строим первую нейронную сеть

7 уроков
1. Восстановление зависимости нейронной сетью ↗
2. Компоненты нейронной сети ↗
3. Алгоритм настройки нейронной сети ↗
4. Теоретические задачи: Графы вычислений и BackProp ↗
5. Теоретические задачи: Восстановление зависимостей ↗
6. Семинар: Реализация градиентного спуска (часть 1) ↗
7. Семинар: Реализация градиентного спуска (часть 2) ↗

Задачи, решаемые при помощи нейронных сетей

6 уроков
1. Бинарная классификация? Бинарная кросс-энтропия! ↗
2. Многоклассовая классификация? Софтмакс! ↗
3. Локализация, детекция, сегментация и super-resolution ↗
4. Теоретические задачи: Функции потерь ↗
5. Семинар: Строим первую нейронную сеть ↗
6. Семинар: Классификация в PyTorch ↗

Методы оптимизации

4 урока
1. Самый обычный градиентный спуск ↗
2. Модификации градиентного спуска ↗
3. Теоретические задачи: Понимаем SGD с momentum ↗
4. Семинар: Классификация рукописных чисел полносвязанной сетью ↗

Свёрточные нейронные сети

7 уроков
1. Свёртка, каскад свёрток ↗
2. Семинар: Реализация сверточного слоя ↗
3. Собери их все: архитектура LeNet (1998) ↗
4. Собери их все: AlexNet (2012) и VGG (2014) ↗
5. Собери их все: GoogLeNet и ResNet (2015) ↗
6. Семинар: Распознавание рукописных чисел свёрточной нейросетью ↗
7. Теоретические задачи: архитектуры сверточных нейронных сетей ↗

Регуляризация и нормализация

5 уроков
1. Ударим дропаутом по переобучению! ↗
2. И целой вечности мало? Батч-нормализация! ↗
3. Семинар: cлой нормализации ↗
4. Семинар: Решаем задачу классификации на датасете CIFAR ↗
5. Теоретические задачи: регуляризация ↗

Метод максимального правдоподобия и большой финал

3 урока
1. Метод максимального правдоподобия ↗
2. Теоретические задачи: метод максимального правдоподобия ↗
3. Transfer learning на примере соревнования на Kaggle ↗