Сколько стоит курс «Нейронные сети с нуля. Разработка на Keras, TensorFlow и PyTorch»?

Стоимость курса составляет 16990.00 рублей

Где можно пройти курс «Нейронные сети с нуля. Разработка на Keras, TensorFlow и PyTorch»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/258538.

Курс на Stepik

Обложка курса «Нейронные сети с нуля. Разработка на Keras, TensorFlow и PyTorch» на Stepik

16 990 ₽

Нейронные сети с нуля. Разработка на Keras, TensorFlow и PyTorch ★ 0.000

Name: Нейронные сети с нуля. Разработка на Keras, TensorFlow и PyTorch
Price: 16990.00 RUB
Availability: InStock
Rating: 0 (0 reviews)

Открыть на
STEPIK.ORG

Курс максимально ориентирован на получение практических навыков работы с библиотеками Keras, TensorFlow и PyTorch. По окончании курса, слушатели смогут создавать, обучать, оценивать и улучшать качество работы нейронных сетей, принимающих на вход текстовые, табличные, графические и аудиоданные.

Показатель	Текущие показатели		Рост
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	0
Сертификатов выдано	0
Отзывов получено	0
Рейтинг курса	0.000
Количество уроков	119
Количество квизов	329
Количество задач с кодом	29
Время прохождения курса	12 ч.	—
Стоимость курса	16 990 ₽	—
Обновления курса	—	—
Дата публикации курса	7 месяцев назад	—	—	—	—
Последнее обновление	6 мая 2026	—	—	—	—
Сложность	easy	—	—	—	—

Содержание курса

Разделы в курсе «Нейронные сети с нуля. Разработка на Keras, TensorFlow и PyTorch»

29 разделов Уроки в курсе «Нейронные сети с нуля. Разработка на Keras, TensorFlow и PyTorch»

119 уроков Тесты в курсе «Нейронные сети с нуля. Разработка на Keras, TensorFlow и PyTorch»

329 тестов Задачи в курсе «Нейронные сети с нуля. Разработка на Keras, TensorFlow и PyTorch»

29 задач Время прохождения курса «Нейронные сети с нуля. Разработка на Keras, TensorFlow и PyTorch»

12 ч.

обн. 6 мая 2026

1. Введение в основы нейронных сетей

8 уроков

Закрытый

1.1 Применение искусственных нейронных сетей в настоящее время ↗

3м 47с

Закрытый

1.2 Типы задач, решаемые нейронными сетями ↗

1м 23с

Закрытый

1.3 Теория нейронных сетей. Введение ↗

9м 14с

Закрытый

1.4 Задача исключающего «ИЛИ» ↗

4м 52с

Закрытый

1.5 Установка инструментов для работы ↗

1м 36с

Закрытый

1.6 Основы работы с Jupyter Notebook ↗

5м 39с

Закрытый

1.7 Использование Google Colaboratory (Google Colab) для работы ↗

3м 14с

Закрытый

1.8 Вопросы по основам Python ↗

2. Архитектуры и парадигмы обучения нейронных сетей

6 уроков

Закрытый

2.1 Решение линейно неразделимых задач ↗

3м 7с

Закрытый

2.2 Архитектуры нейронных сетей ↗

3м 26с

Закрытый

2.3 Вычислительный процесс одного нейрона ↗

4м 15с

Закрытый

2.4 Парадигмы обучения нейронных сетей ↗

Закрытый

2.5 Алгоритм решения задач при использовании нейронных сетей ↗

3м 41с

Закрытый

2.6 Повторение основ языка Python ↗

12м 48с

3. Общие сведения о важнейших понятиях процесса обучения моделей

7 уроков

Закрытый

3.1 Функции активации, используемые в нейронных сетях ↗

4м 24с

Закрытый

3.2 Методы оптимизации в нейронных сетях ↗

5м 3с

Закрытый

3.3 Выбор функции потерь при обучении нейронных сетей ↗

3м 18с

Закрытый

3.4 Условия для использования нейронных сетей ↗

2м 10с

Закрытый

3.5 Повторение важных структур библиотеки NumPy ↗

7м 41с

Закрытый

3.6 Простая модель нейронной сети на Python ↗

4м 3с

Закрытый

3.7 Установка TensorFlow и PyTorch (для работы с Jupyter Notebook) ↗

4. Понятие тензора и основные операции с этим объектом

5 уроков

Закрытый

4.1 Библиотека TensorFlow. Понятие тензора ↗

1м 9с

Закрытый

4.2 Работа с TensorFlow. Создание тензоров ↗

11м 14с

Закрытый

4.3 Взаимодействие TensorFlow и NumPy. Атрибуты тензоров ↗

5м 33с

Закрытый

4.4 Индексация тензоров ↗

3м 25с

Закрытый

4.5 Добавление новых осей в тензоры ↗

3м 3с

5. Различные функции для работы с тензорами

6 уроков

Закрытый

5.1 Базовые операции с тензорами ↗

5м 3с

Закрытый

5.2 Операции изменения типа тензора и операции агрегирования ↗

6м 1с

Закрытый

5.3 Операции линейной алгебры, выполняемые с тензорами ↗

4м 46с

Закрытый

5.4 Функция argmax ↗

4м 38с

Закрытый

5.5 Прочие полезные на практике операции с тензорами ↗

3м 22с

Закрытый

5.6 Алгоритм решения задач с помощью Keras, TensorFlow и PyTorch ↗

2м 8с

6. Решение задачи регрессии с использованием нейронной сети

6 уроков

Закрытый

6.1 Нейронная сеть с использованием Keras для задачи регрессии ↗

10м 39с

Закрытый

6.2 Недообучение и переобучение моделей нейронных сетей ↗

4м 28с

Закрытый

6.3 Метрики для задач регрессии. Гиперпараметры нейронных сетей ↗

Закрытый

6.4 Решение задачи прогнозирования цены продажи дома ↗

10м 5с

Закрытый

6.5 Масштабирование исходных данных ↗

Закрытый

6.6 Улучшение качества прогнозирования цены продажи дома ↗

8м 32с

7. Решение задач бинарной классификации

5 уроков

Закрытый

7.1 Гиперпараметры нейронных сетей для задач классификации ↗

2м 9с

Закрытый

7.2 Метрики, используемые при решении задач классификации ↗

2м 39с

Закрытый

7.3 Решение задачи классификации людей на мужчин и женщин ↗

12м 50с

Закрытый

7.4 Решение задачи фильтрации фейковых (фальшивых) новостей ↗

12м 15с

Закрытый

7.5 Сохранение и загрузка модели нейронной сети ↗

8. Решение задач многоклассовой классификации

4 урока

Закрытый

8.1 Решение задачи определения действия человека ↗

2м 59с

Закрытый

8.2 Решение задачи определения специализации обучения студентов ↗

9м 54с

Закрытый

8.3 Решение задачи классификации черно-белых изображений ↗

13м 52с

Закрытый

8.4 Использование класса Flatten в моделях нейронных сетей ↗

9. Основы свёрточных нейронных сетей

4 урока

Закрытый

9.1 Особенности задач компьютерного зрения ↗

2м 48с

Закрытый

9.2 Свёрточные нейронные сети. Основы ↗

9м 52с

Закрытый

9.3 Использование классов Conv2D и MaxPooling2D ↗

Закрытый

9.4 Пример решения задачи классификации цветных изображений ↗

14м 6с

10. Использование свёрточных сетей для решения различных задач

3 урока

Закрытый

10.1 Задача бинарной классификации цветных фотографий ↗

10м 58с

Закрытый

10.2 Увеличение объема данных (data augmentation) ↗

10м 12с

Закрытый

10.3 Задача многоклассовой классификации явлений погоды ↗

11. Предобученные нейронные сети и их использование

3 урока

Закрытый

11.1 Что такое предобученные нейронные сети ↗

3м 43с

Закрытый

11.2 Использование предобученной модели для классификации животных ↗

18м 19с

Закрытый

11.3 Тонкая настройка модели для текущей задачи ↗

12. Современные идеи в области задач компьютерного зрения

3 урока

Закрытый

12.1 Метод функционального API при создании моделей ↗

Закрытый

12.2 Идеи, используемые в современных нейронных сетях ↗

Закрытый

12.3 Решение задачи классификации изображений на 30 классов ↗

29м 1с

13. Особенности решения задач с исходными данными в виде текста

3 урока

Закрытый

13.1 Особенности работы с текстовой информацией ↗

4м 37с

Закрытый

13.2 Классификация положительных и отрицательных отзывов к фильмам ↗

18м 27с

Закрытый

13.3 Решение задачи классификации текстовых описаний товаров ↗

14. Сети с блоками LSTM, GRU. Одномерные свёрточные сети

4 урока

Закрытый

14.1 Рекуррентные нейронные сети ↗

3м 31с

Закрытый

14.2 Блоки LSTM и GRU ↗

Закрытый

14.3 Одномерные свёрточные сети ↗

Закрытый

14.4 Решение задачи определения тональности текста ↗

20м 6с

15. Нейронные сети для задач с исходными данными в звуковой форме

4 урока

Закрытый

15.1 Особенности сигналов в звуковой форме ↗

2м 30с

Закрытый

15.2 Решение задачи классификации голосовых команд ↗

21м 35с

Закрытый

15.3 Параметры аудиосигналов, используемые при решении задач ↗

Закрытый

15.4 Решение задачи многоклассовой классификации звуковых файлов ↗

16. Автоэнкодеры как отдельный вид архитектуры нейронных сетей

5 уроков

Закрытый

16.1 Автоэнкодеры как особый вид нейронных сетей ↗

1м 24с

Закрытый

16.2 Пример задачи с простым (классическим) автоэнкодером ↗

8м 30с

Закрытый

16.3 Создание и обучение автоэнкодера, восстанавливающего изображения ↗

12м 20с

Закрытый

16.4 Автоэнкодер для решения задачи обнаружения аномалий ↗

Закрытый

16.5 Создание и обучение свёрточного вариационного автоэнкодера ↗

17. Задача сегментации изображений. Погружение в TensorFlow

3 урока

Закрытый

17.1 Бинарная классификация изображений с использованием TensorFlow ↗

25м 49с

Закрытый

17.2 Особенности задачи сегментации изображений ↗

Закрытый

17.3 Решение задачи сегментации фотографий домашних животных ↗

18. Генеративно-состязательные сети и их применение

4 урока

Закрытый

18.1 Что представляют собой генеративно-состязательные сети ↗

7м 43с

Закрытый

18.2 Создание и обучение простой генеративно-состязательной сети ↗

Закрытый

18.3 Создание и обучение модели для генерации рисунков цветов ↗

22м 40с

Закрытый

18.4 Создание и обучение условной генеративно-состязательной сети ↗

19. Знакомство с библиотекой PyTorch

6 уроков

Закрытый

19.1 Библиотека PyTorch. Операции по созданию тензоров ↗

3м 17с

Закрытый

19.2 Атрибуты тензоров в PyTorch ↗

1м 13с

Закрытый

19.3 Дополнительные способы создания тензоров и изменение их формы ↗

6м 45с

Закрытый

19.4 Математические и агрегирующие операции с тензорами ↗

3м 46с

Закрытый

19.5 Функция argmax. Операции с осями тензоров ↗

5м 46с

Закрытый

19.6 Матричное умножение тензоров в PyTorch ↗

2м 16с

20. Простые нейронные сети для задач регрессии в PyTorch

4 урока

Закрытый

20.1 Особенности создания и обучения нейронных сетей в PyTorch ↗

Закрытый

20.2 Решение задачи линейной регрессии в PyTorch ↗

15м 35с

Закрытый

20.3 Решение задачи регрессии с исходными данными в форме таблицы ↗

8м 50с

Закрытый

20.4 Сохранение и загрузка обученных моделей в PyTorch ↗

21. Нелинейные функции активации для нейронных сетей в PyTorch

3 урока

Закрытый

21.1 Решение задачи прогнозирования курса акций Google ↗

Закрытый

21.2 Решение задачи прогнозирования продолжительности жизни ↗

20м 30с

Закрытый

21.3 Заключительный раздел по решению задач регрессии ↗

22. Бинарная классификация с исходными данными в табличной форме

3 урока

Закрытый

22.1 Решение задачи классификации электронных писем ↗

21м 13с

Закрытый

22.2 Решение задачи прогнозирования оттока клиентов банка ↗

Закрытый

22.3 Особенности подготовительного этапа решения задач ↗

23. Многоклассовая классификация с исходными данными в форме таблицы

3 урока

Закрытый

23.1 Решение задачи классификации астрономических объектов ↗

22м 49с

Закрытый

23.2 Решение задачи классификации рукописных цифр ↗

Закрытый

23.3 Обзор инструментов, относящихся к семейству PyTorch ↗

24. Задачи компьютерного зрения на PyTorch

2 урока

Закрытый

24.1 Решение задачи классификации цветных изображений ↗

32м 12с

Закрытый

24.2 Решение задачи классификации игральных карт ↗

25. Создание и обучение рекуррентных сетей на PyTorch

2 урока

Закрытый

25.1 Создание и обучение рекуррентной сети с блоком LSTM ↗

Закрытый

25.2 Создание и обучение рекуррентной сети с блоком GRU ↗

27м 21с

26. Трансформеры в PyTorch

3 урока

Закрытый

26.1 Трансформеры. Механизм внимания ↗

2м 35с

Закрытый

26.2 Использование рекуррентной сети с блоком "точечного внимания" ↗

24м 1с

Закрытый

26.3 Использование BERT для классификации описаний видео на Youtube ↗

27. Создание и обучение нейронных сетей для работы со звуком

2 урока

Закрытый

27.1 Решение задачи распознавания произнесённых названий цифр ↗

Закрытый

27.2 Решение задачи выявления эмоций по речи человека ↗

25м 43с

28. Разработка генеративно-состязательных сетей на PyTorch

2 урока

Закрытый

28.1 Создание и обучение простой генеративно-состязательной модели ↗

Закрытый

28.2 Глубокая свёрточная генеративно-состязательная сеть на PyTorch ↗

29м 44с

29. Итоговое задание и заключительный раздел курса

6 уроков

Закрытый

29.1 Первая часть итогового теста ↗

Закрытый

29.2 Вторая часть итогового теста ↗

Закрытый

29.3 Третья часть итогового теста ↗

Закрытый

29.4 Четвертая часть итогового теста ↗

Закрытый

29.5 Практическое задание ↗

Закрытый

29.6 Заключительный раздел курса ↗