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

Нейронные сети и компьютерное зрение ★ 4.821

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 95 514
Сертификаты, выданные на курсе «Нейронные сети и компьютерное зрение»Сертификатов выдано 10 403
Отзывы о курсе «Нейронные сети и компьютерное зрение»Отзывов получено 487
Рейтинг курса «Нейронные сети и компьютерное зрение»Рейтинг курса 4.821
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

1. Нейрон и нейронная сеть

5 уроков
Открытый
1.1 Математическая модель нейрона ↗
68 475
31 885
21м 20с
839
Открытый
1.2 Теоретические задачи ↗
40 312
19 075
21м 2с
213
Открытый
1.3 Булевы операции в виде нейронов ↗
34 611
16 582
42м 55с
472
Открытый
1.4 От нейрона к нейронной сети ↗
29 515
24 274
5м 39с
269
Открытый
1.5 Семинар: Базовая работа в PyTorch ↗
31 003
21 253
20м 15с
590

2. Строим первую нейронную сеть

7 уроков
Открытый
2.1 Восстановление зависимости нейронной сетью ↗
28 882
22 005
5м 51с
242
Открытый
2.2 Компоненты нейронной сети ↗
26 185
20 561
18м 12с
412
Открытый
2.3 Алгоритм настройки нейронной сети ↗
25 287
19 590
21м 48с
351
Открытый
2.4 Теоретические задачи: Графы вычислений и BackProp ↗
23 579
10 595
76м 9с
25
Открытый
2.5 Теоретические задачи: Восстановление зависимостей ↗
21 435
6 182
52м 25с
-89
Открытый
2.6 Семинар: Реализация градиентного спуска (часть 1) ↗
22 693
15 305
16м 20с
189
Открытый
2.7 Семинар: Реализация градиентного спуска (часть 2) ↗
20 786
14 432
30м 23с
322

3. Задачи, решаемые при помощи нейронных сетей

6 уроков
Открытый
3.1 Бинарная классификация? Бинарная кросс-энтропия! ↗
20 764
15 671
17м 7с
263
Открытый
3.2 Многоклассовая классификация? Софтмакс! ↗
18 597
15 345
23м 0с
224
Открытый
3.3 Локализация, детекция, сегментация и super-resolution ↗
17 874
14 222
22м 19с
123
Открытый
3.4 Теоретические задачи: Функции потерь ↗
17 096
8 442
29м 23с
104
Открытый
3.5 Семинар: Строим первую нейронную сеть ↗
18 580
10 917
53м 26с
371
Открытый
3.6 Семинар: Классификация в PyTorch ↗
16 908
11 624
29м 55с
348

4. Методы оптимизации

4 урока
Открытый
4.1 Самый обычный градиентный спуск ↗
16 708
12 418
17м 49с
235
Открытый
4.2 Модификации градиентного спуска ↗
15 449
12 374
24м 6с
208
Открытый
4.3 Теоретические задачи: Понимаем SGD с momentum ↗
14 790
5 936
36м 29с
35
Открытый
4.4 Семинар: Классификация рукописных чисел полносвязанной сетью ↗
15 307
9 443
40м 40с
291

5. Свёрточные нейронные сети

7 уроков
Открытый
5.1 Свёртка, каскад свёрток ↗
16 551
10 992
35м 24с
184
Открытый
5.2 Семинар: Реализация сверточного слоя ↗
13 478
3 180
47м 43с
56
Открытый
5.3 Собери их все: архитектура LeNet (1998) ↗
14 228
11 942
11м 26с
144
Открытый
5.4 Собери их все: AlexNet (2012) и VGG (2014) ↗
13 899
9 921
28м 30с
148
Открытый
5.5 Собери их все: GoogLeNet и ResNet (2015) ↗
13 758
9 549
24м 53с
144
Открытый
5.6 Семинар: Распознавание рукописных чисел свёрточной нейросетью ↗
14 194
7 774
35м 17с
199
Открытый
5.7 Теоретические задачи: архитектуры сверточных нейронных сетей ↗
12 757
4 765
26м 59с
80

6. Регуляризация и нормализация

5 уроков
Открытый
6.1 Ударим дропаутом по переобучению! ↗
13 361
9 782
30м 27с
202
Открытый
6.2 И целой вечности мало? Батч-нормализация! ↗
12 361
10 153
14м 22с
152
Открытый
6.3 Семинар: cлой нормализации ↗
10 831
2 829
34м 28с
33
Открытый
6.4 Семинар: Решаем задачу классификации на датасете CIFAR ↗
12 372
5 658
35м 1с
152
Открытый
6.5 Теоретические задачи: регуляризация ↗
10 989
3 879
16м 34с
24

7. Метод максимального правдоподобия и большой финал

3 урока
Открытый
7.1 Метод максимального правдоподобия ↗
13 030
8 497
19м 23с
132
Открытый
7.2 Теоретические задачи: метод максимального правдоподобия ↗
11 823
3 487
42м 4с
13
Открытый
7.3 Transfer learning на примере соревнования на Kaggle ↗
14 162
2 545
45м 23с
385