Содержание курса
1. Введение.
4 урока
4 860
2 745
70м
178
Открытый
1.1
О чем этот курс.
↗
1 760
876
7м 3с
54
Открытый
1.2
Структура обучения нейронных сетей.
↗
1 021
753
12м 30с
51
Открытый
1.3
Знакомство с Pytorch.
↗
1 068
594
35м 26с
46
Открытый
1.4
Дополнительные задачи - Знакомство с Pytorch.
↗
1 011
522
15м 59с
27
2. Этапы обучения.
10 уроков
4 067
2 462
511м
228
Закрытый
2.1
Подготовка данных. Dataset и DataLoader. часть 1
↗
622
507
16м 33с
38
Закрытый
2.2
Подготовка данных. Dataset и DataLoader. часть 2 и часть 3
↗
528
124
34м 9с
24
Закрытый
2.3
Dataset Transform.
↗
438
139
16м 17с
21
Закрытый
2.4
Функции потерь. Функции активации. Оптимизаторы ГС.
↗
416
377
21м 24с
30
Закрытый
2.5
Классы для создания нейронных сетей.
↗
399
128
138м 58с
27
Открытый
2.6
Создание нейронных сетей.
↗
540
228
178м 19с
23
Закрытый
2.7
Создание цикла обучения.
↗
307
273
23м 41с
18
Закрытый
2.8
Изменение скорости обучения. LR_Scheduler.
↗
288
217
40м 20с
17
Закрытый
2.9
Сохранение и загрузка модели.
↗
270
214
28м 8с
15
Закрытый
2.10
Остановка обучения: EarlyStopping. Тестирование модели.
↗
259
255
16м 28с
15
3. Слои нейронных сетей.
5 уроков
1 513
812
323м
73
Закрытый
3.1
Слои Dropout и BatchNorm.
↗
264
204
12м 52с
13
Закрытый
3.2
Свёрточные слои.
↗
242
190
20м 30с
17
Открытый
3.3
Создание Свёрточных нейронных сетей. часть 1
↗
536
151
91м 1с
14
Закрытый
3.4
Создание Свёрточных нейронных сетей. часть 2
↗
246
136
145м 3с
12
Закрытый
3.5
Слои пулинга. MaxPoolling, AvgPooling.
↗
225
131
55м 52с
17
4. Реализация различных архитектур нейронных сетей.
4 урока
959
959
64м
35
Закрытый
4.1
Архитектуры VGG-16 и VGG-19.
↗
261
261
17м 2с
9
Закрытый
4.2
Архитектура Resnet.
↗
230
230
23м 17с
8
Закрытый
4.3
Архитектура U - net
↗
230
230
8м 34с
7
Закрытый
4.4
Transfer Learning.
↗
238
238
16м 17с
11