Курс на Stepik
Обложка курса «Нейронные сети с нуля (разработка на Keras и TensorFlow)» на Stepik
9 990 ₽

Нейронные сети с нуля (разработка на Keras и TensorFlow) ★ 0.000

Открыть на
STEPIK.ORG

Курс максимально ориентирован на получение практических навыков работы с библиотеками Keras и TensorFlow. 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
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Нейронные сети с нуля (разработка на Keras и TensorFlow)»Учеников на курсе 6
Сертификаты, выданные на курсе «Нейронные сети с нуля (разработка на Keras и TensorFlow)»Сертификатов выдано 0
Отзывы о курсе «Нейронные сети с нуля (разработка на Keras и TensorFlow)»Отзывов получено 0
Рейтинг курса «Нейронные сети с нуля (разработка на Keras и TensorFlow)»Рейтинг курса 0.000
Уроки в курсе «Нейронные сети с нуля (разработка на Keras и TensorFlow)»Количество уроков 88
Тесты в курсе «Нейронные сети с нуля (разработка на Keras и TensorFlow)»Количество квизов 216
Задачи с кодом в курсе «Нейронные сети с нуля (разработка на Keras и TensorFlow)»Количество задач с кодом 19
Время прохождения курса «Нейронные сети с нуля (разработка на Keras и TensorFlow)»Время прохождения курса —
Стоимость курса «Нейронные сети с нуля (разработка на Keras и TensorFlow)»Стоимость курса 9 990 ₽ —
Обновления курса «Нейронные сети с нуля (разработка на Keras и TensorFlow)»Обновления курса — —
Дата публикации курса «Нейронные сети с нуля (разработка на Keras и TensorFlow)»Дата публикации курса — ———
Последнее обновление курса «Нейронные сети с нуля (разработка на Keras и TensorFlow)»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Нейронные сети с нуля (разработка на Keras и TensorFlow)» 19 разделов Уроки в курсе «Нейронные сети с нуля (разработка на Keras и TensorFlow)» 88 уроков Тесты в курсе «Нейронные сети с нуля (разработка на Keras и TensorFlow)» 216 тестов Задачи в курсе «Нейронные сети с нуля (разработка на Keras и TensorFlow)» 19 задач Время прохождения курса «Нейронные сети с нуля (разработка на Keras и TensorFlow)» 8 ч. Последнее обновление курса «Нейронные сети с нуля (разработка на Keras и TensorFlow)» обн. 6 мая 2026

1. Введение в основы нейронных сетей

8 уроков
Закрытый
1.1 Применение искусственных нейронных сетей в настоящее время ↗
5
3
3м 45с
0
Закрытый
1.2 Типы задач, решаемые нейронными сетями ↗
4
4
1м 23с
0
Закрытый
1.3 Теория нейронных сетей. Введение ↗
4
3
9м 14с
0
Закрытый
1.4 Задача исключающего «ИЛИ» ↗
3
2
4м 52с
0
Закрытый
1.5 Установка инструментов для работы ↗
2
2
1м 36с
0
Закрытый
1.6 Основы работы с Jupyter Notebook ↗
3
2
5м 39с
0
Закрытый
1.7 Использование Google Colaboratory (Google Colab) для работы ↗
2
1
3м 14с
0
Закрытый
1.8 Вопросы по основам Python ↗
1
0
-
0

2. Архитектуры и парадигмы обучения нейронных сетей

6 уроков
Закрытый
2.1 Решение линейно неразделимых задач ↗
2
1
3м 7с
0
Закрытый
2.2 Архитектуры нейронных сетей ↗
1
1
3м 26с
0
Закрытый
2.3 Вычислительный процесс одного нейрона ↗
1
1
4м 15с
0
Закрытый
2.4 Парадигмы обучения нейронных сетей ↗
2
1
-
0
Закрытый
2.5 Алгоритм решения задач при использовании нейронных сетей ↗
1
1
3м 41с
0
Закрытый
2.6 Повторение основ Python ↗
1
0
12м 48с
0

3. Общие сведения о важнейших понятиях процесса обучения моделей

7 уроков
Закрытый
3.1 Функции активации, используемые в нейронных сетях ↗
1
1
4м 24с
0
Закрытый
3.2 Методы оптимизации в нейронных сетях ↗
1
1
5м 3с
0
Закрытый
3.3 Выбор функции потерь при обучении нейронных сетей ↗
1
1
3м 18с
0
Закрытый
3.4 Условия для использования нейронных сетей ↗
2
1
2м 10с
0
Закрытый
3.5 Повторение важных структур библиотеки NumPy ↗
1
1
7м 41с
0
Закрытый
3.6 Простая модель нейронной сети на Python ↗
2
2
4м 3с
0
Закрытый
3.7 Установка TensorFlow и Keras (для работы с Jupyter Notebook) ↗
2
0
-
0

4. Понятие тензора и основные операции с этим объектом

5 уроков
Закрытый
4.1 Библиотека TensorFlow. Понятие тензора ↗
2
2
1м 9с
0
Закрытый
4.2 Работа с TensorFlow. Создание тензоров ↗
2
2
11м 14с
0
Закрытый
4.3 Взаимодействие TensorFlow и NumPy. Атрибуты тензоров ↗
2
1
5м 33с
0
Закрытый
4.4 Индексация тензоров ↗
2
1
3м 25с
0
Закрытый
4.5 Добавление новых осей в тензоры ↗
1
0
3м 3с
0

5. Различные функции для работы с тензорами

6 уроков
Закрытый
5.1 Базовые операции с тензорами ↗
1
1
5м 3с
0
Закрытый
5.2 Операции изменения типа тензора и операции агрегирования ↗
2
1
6м 1с
0
Закрытый
5.3 Операции линейной алгебры, выполняемые с тензорами ↗
1
1
4м 46с
0
Закрытый
5.4 Функция argmax ↗
1
1
4м 38с
0
Закрытый
5.5 Прочие полезные на практике операции с тензорами ↗
1
1
3м 22с
0
Закрытый
5.6 Алгоритм решения задач нейронными сетями в Keras и TensorFlow ↗
2
0
2м 8с
0

6. Решение задачи регрессии с использованием нейронной сети

6 уроков
Закрытый
6.1 Нейронная сеть с использованием Keras для задачи регрессии ↗
1
1
10м 39с
0
Закрытый
6.2 Недообучение и переобучение моделей нейронных сетей ↗
1
1
4м 28с
0
Закрытый
6.3 Метрики для задач регрессии. Гиперпараметры нейронных сетей ↗
1
1
-
0
Закрытый
6.4 Решение задачи прогнозирования цены продажи дома ↗
1
1
10м 5с
0
Закрытый
6.5 Масштабирование исходных данных ↗
1
1
-
0
Закрытый
6.6 Улучшение качества прогнозирования цены продажи дома ↗
1
0
8м 32с
0

7. Решение задач бинарной классификации

5 уроков
Закрытый
7.1 Гиперпараметры нейронных сетей для задач классификации ↗
1
1
2м 9с
0
Закрытый
7.2 Метрики, используемые при решении задач классификации ↗
1
1
2м 39с
0
Закрытый
7.3 Решение задачи классификации людей на мужчин и женщин ↗
1
1
12м 50с
0
Закрытый
7.4 Решение задачи фильтрации фейковых (фальшивых) новостей ↗
1
1
12м 15с
0
Закрытый
7.5 Сохранение и загрузка модели нейронной сети ↗
2
0
-
0

8. Решение задач многоклассовой классификации

4 урока
Закрытый
8.1 Решение задачи определения действия человека ↗
1
1
2м 59с
0
Закрытый
8.2 Решение задачи определения специализации обучения студентов ↗
1
1
9м 54с
0
Закрытый
8.3 Решение задачи классификации черно-белых изображений ↗
2
1
13м 52с
0
Закрытый
8.4 Использование класса Flatten в моделях нейронных сетей ↗
2
0
-
0

9. Основы свёрточных нейронных сетей

4 урока
Закрытый
9.1 Особенности задач компьютерного зрения ↗
2
2
2м 49с
0
Закрытый
9.2 Свёрточные нейронные сети. Основы ↗
2
2
9м 52с
0
Закрытый
9.3 Использование классов Conv2D и MaxPooling2D ↗
3
2
-
0
Закрытый
9.4 Пример решения задачи классификации цветных изображений ↗
2
0
14м 6с
0

10. Использование свёрточных сетей для решения различных задач

3 урока
Закрытый
10.1 Задача бинарной классификации цветных фотографий ↗
1
1
10м 58с
0
Закрытый
10.2 Увеличение объема данных (data augmentation) ↗
1
1
10м 12с
0
Закрытый
10.3 Задача многоклассовой классификации явлений погоды ↗
1
0
-
0

11. Предобученные нейронные сети и их использование

3 урока
Закрытый
11.1 Что такое предобученные нейронные сети ↗
1
1
3м 43с
0
Закрытый
11.2 Использование предобученной модели для классификации животных ↗
1
1
18м 19с
0
Закрытый
11.3 Тонкая настройка модели для текущей задачи ↗
1
0
-
0

12. Современные идеи в области задач компьютерного зрения

3 урока
Закрытый
12.1 Метод функционального API при создании моделей ↗
3
1
-
0
Закрытый
12.2 Идеи, используемые в современных нейронных сетях ↗
1
1
-
0
Закрытый
12.3 Решение задачи классификации изображений на 30 классов ↗
1
0
29м 1с
0

13. Особенности решения задач с исходными данными в виде текста

3 урока
Закрытый
13.1 Особенности работы с текстовой информацией ↗
2
2
4м 37с
0
Закрытый
13.2 Классификация положительных и отрицательных отзывов к фильмам ↗
1
1
18м 27с
0
Закрытый
13.3 Решение задачи классификации текстовых описаний товаров ↗
1
0
-
0

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

4 урока
Закрытый
14.1 Рекуррентные нейронные сети ↗
1
1
3м 31с
0
Закрытый
14.2 Блоки LSTM и GRU ↗
1
1
-
0
Закрытый
14.3 Одномерные свёрточные сети ↗
1
1
-
0
Закрытый
14.4 Решение задачи определения тональности текста ↗
1
0
20м 6с
0

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

4 урока
Закрытый
15.1 Особенности сигналов в звуковой форме ↗
2
1
2м 30с
0
Закрытый
15.2 Решение задачи классификации голосовых команд ↗
1
1
21м 35с
0
Закрытый
15.3 Параметры аудиосигналов, используемые при решении задач ↗
1
0
-
0
Закрытый
15.4 Решение задачи многоклассовой классификации звуковых файлов ↗
1
0
-
0

16. Автоэнкодеры как отдельный вид архитектуры нейронных сетей

5 уроков
Закрытый
16.1 Автоэнкодеры как особый вид нейронных сетей ↗
2
2
1м 24с
0
Закрытый
16.2 Пример задачи с простым (классическим) автоэнкодером ↗
2
1
8м 30с
0
Закрытый
16.3 Создание и обучение автоэнкодера, восстанавливающего изображения ↗
1
1
12м 20с
0
Закрытый
16.4 Автоэнкодер для решения задачи обнаружения аномалий ↗
1
1
-
0
Закрытый
16.5 Создание и обучение свёрточного вариационного автоэнкодера ↗
1
0
-
0

17. Задача сегментации изображений. Погружение в TensorFlow

3 урока
Закрытый
17.1 Бинарная классификация изображений с использованием TensorFlow ↗
1
1
25м 49с
0
Закрытый
17.2 Особенности задачи сегментации изображений ↗
2
1
-
0
Закрытый
17.3 Решение задачи сегментации фотографий домашних животных ↗
1
0
-
0

18. Генеративно-состязательные сети и их применение

4 урока
Закрытый
18.1 Что представляют собой генеративно-состязательные сети ↗
1
1
7м 43с
0
Закрытый
18.2 Создание и обучение простой генеративно-состязательной сети ↗
1
1
-
0
Закрытый
18.3 Создание и обучение модели для генерации рисунков цветов ↗
1
1
22м 40с
0
Закрытый
18.4 Создание и обучение условной генеративно-состязательной сети ↗
2
0
-
0

19. Итоговый тест и заключительный раздел курса

5 уроков
Закрытый
19.1 Первая часть итогового теста ↗
1
1
-
0
Закрытый
19.2 Вторая часть итогового теста ↗
2
1
-
0
Закрытый
19.3 Третья часть итогового теста ↗
1
1
-
0
Закрытый
19.4 Практическое задание ↗
1
0
-
0
Закрытый
19.5 Заключительный раздел курса ↗
1
1
-
0