Курс на Stepik
Обложка курса «Нейронные сети с нуля (разработка на PyTorch)» на Stepik
7 990 ₽

Нейронные сети с нуля (разработка на PyTorch) ★ 0.000

Открыть на
STEPIK.ORG

Курс максимально ориентирован на получение практических навыков работы с библиотекой 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
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Нейронные сети с нуля (разработка на PyTorch)»Учеников на курсе 1
Сертификаты, выданные на курсе «Нейронные сети с нуля (разработка на PyTorch)»Сертификатов выдано 0
Отзывы о курсе «Нейронные сети с нуля (разработка на PyTorch)»Отзывов получено 0
Рейтинг курса «Нейронные сети с нуля (разработка на PyTorch)»Рейтинг курса 0.000
Уроки в курсе «Нейронные сети с нуля (разработка на PyTorch)»Количество уроков 75
Тесты в курсе «Нейронные сети с нуля (разработка на PyTorch)»Количество квизов 220
Задачи с кодом в курсе «Нейронные сети с нуля (разработка на PyTorch)»Количество задач с кодом 15
Время прохождения курса «Нейронные сети с нуля (разработка на PyTorch)»Время прохождения курса —
Стоимость курса «Нейронные сети с нуля (разработка на PyTorch)»Стоимость курса 7 990 ₽ —
Обновления курса «Нейронные сети с нуля (разработка на PyTorch)»Обновления курса — —
Дата публикации курса «Нейронные сети с нуля (разработка на PyTorch)»Дата публикации курса — ———
Последнее обновление курса «Нейронные сети с нуля (разработка на PyTorch)»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Нейронные сети с нуля (разработка на PyTorch)» 15 разделов Уроки в курсе «Нейронные сети с нуля (разработка на PyTorch)» 75 уроков Тесты в курсе «Нейронные сети с нуля (разработка на PyTorch)» 220 тестов Задачи в курсе «Нейронные сети с нуля (разработка на PyTorch)» 15 задач Время прохождения курса «Нейронные сети с нуля (разработка на PyTorch)» 6 ч. Последнее обновление курса «Нейронные сети с нуля (разработка на PyTorch)» обн. 22 февраля 2026

1. Введение в основы нейронных сетей

8 уроков
Закрытый
1.1 Применение искусственных нейронных сетей ↗
2
2
3м 43с
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 основных моментов языка Python ↗
1
0
12м 48с
0

3. Общие сведения о важнейших понятиях процесса обучения моделей

7 уроков
Закрытый
3.1 Функции активации, применяемые в современных нейронных сетях ↗
2
1
4м 24с
0
Закрытый
3.2 Методы оптимизации обучения нейронных сетей ↗
1
1
5м 3с
0
Закрытый
3.3 Функции потерь, используемые 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 основ 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 PyTorch (для работы с Jupyter Notebook) ↗
1
0
-
0

4. Понятие тензора и основные операции с этим объектом

7 уроков
Закрытый
4.1 Тензор, как основной объект выполнения вычислений нейросетями ↗
2
2
-
0
Закрытый
4.2 Операции по созданию тензоров в PyTorch ↗
1
1
3м 17с
0
Закрытый
4.3 Атрибуты тензоров ↗
1
1
1м 13с
0
Закрытый
4.4 Другие способы создания тензоров. Изменение формы тензоров ↗
1
1
6м 45с
0
Закрытый
4.5 Математические и агрегирующие операции с тензорами ↗
1
1
3м 46с
0
Закрытый
4.6 Функция argmax. Операции с осями тензоров ↗
1
1
5м 46с
0
Закрытый
4.7 Матричное умножение тензоров в PyTorch ↗
1
0
2м 16с
0

5. Простые нейронные сети для задач регрессии в PyTorch

6 уроков
Закрытый
5.1 Недообучение и переобучение моделей нейронных сетей ↗
2
1
4м 59с
0
Закрытый
5.2 Метрики задач регрессии. Гиперпараметры нейронных сетей ↗
1
1
-
0
Закрытый
5.3 Алгоритм решения задач с помощью PyTorch ↗
1
1
1м 27с
0
Закрытый
5.4 Задача простой линейной регрессии в PyTorch ↗
1
1
14м 24с
0
Закрытый
5.5 Решение задачи регрессии с исходными данными в форме таблицы ↗
1
1
8м 50с
0
Закрытый
5.6 Сохранение и загрузка обученных моделей в PyTorch ↗
1
0
-
0

6. Нелинейные функции активации для нейронных сетей в PyTorch

3 урока
Закрытый
6.1 Прогнозирование курсов акций Google нейронной сетью ↗
2
1
-
0
Закрытый
6.2 Прогнозирование продолжительности жизни нейронной сетью ↗
1
1
20м 30с
0
Закрытый
6.3 Заключительный раздел по решению задач регрессии ↗
1
0
-
0

7. Бинарная классификация с исходными данными в табличной форме

5 уроков
Закрытый
7.1 Гиперпараметры нейронных сетей для классификации ↗
2
1
2м 9с
0
Закрытый
7.2 Метрики, используемые при решении задач классификации ↗
1
1
2м 39с
0
Закрытый
7.3 Классификация электронных писем нейронной сетью ↗
1
1
21м 0с
0
Закрытый
7.4 Решение задачи прогнозирования оттока клиентов банка ↗
1
1
-
0
Закрытый
7.5 Особенности этапа постановки исследовательских задач ↗
1
0
-
0

8. Многоклассовая классификация с исходными данными в форме таблицы

4 урока
Закрытый
8.1 Классификация астрономических объектов нейронной сетью ↗
2
1
23м 52с
0
Закрытый
8.2 Использование класса Flatten в нейронных сетях ↗
1
1
-
0
Закрытый
8.3 Классическая задача классификации рукописных цифр на PyTorch ↗
1
1
-
0
Закрытый
8.4 Обзор инструментов, относящихся к семейству PyTorch ↗
1
0
-
0

9. Задачи компьютерного зрения на PyTorch

5 уроков
Закрытый
9.1 Особенности задач компьютерного зрения ↗
2
1
-
0
Закрытый
9.2 Основы свёрточных нейронных сетей ↗
1
1
9м 0с
0
Закрытый
9.3 Использование классов Conv2d и MaxPool2d ↗
1
1
2м 46с
0
Закрытый
9.4 Создание и обучение свёрточной сети на PyTorch ↗
1
1
32м 34с
0
Закрытый
9.5 Задача многоклассовой классификации цветных изображений ↗
1
0
-
0

10. Использование предобученных свёрточных нейронных сетей

4 урока
Закрытый
10.1 Что такое предобученные нейронные сети ↗
2
1
3м 44с
0
Закрытый
10.2 Некоторые идеи, применяемые в современных нейронных сетях ↗
1
1
-
0
Закрытый
10.3 Распознавание игральных карт предобученной сетью ↗
1
1
-
0
Закрытый
10.4 Классификация шарообразных предметов предобученной сетью ↗
1
0
-
0

11. Задачи обработки естественного языка на PyTorch

6 уроков
Закрытый
11.1 Особенности работы с входными данными в форме текста ↗
2
1
3м 27с
0
Закрытый
11.2 Основы рекуррентных нейронных сетей ↗
1
1
2м 48с
0
Закрытый
11.3 Рекуррентные блоки LSTM и GRU ↗
1
1
-
0
Закрытый
11.4 Особенности одномерных свёрточных сетей ↗
1
1
-
0
Закрытый
11.5 Создание и обучение спам-фильтра на основе сети с блоком LSTM ↗
1
1
-
0
Закрытый
11.6 Создание и обучение сети с блоком GRU для классификации текстов ↗
1
0
27м 49с
0

12. Знакомство с трансформерами на PyTorch

3 урока
Закрытый
12.1 Трансформеры. Механизм внимания ↗
2
1
1м 26с
0
Закрытый
12.2 Обучение рекуррентной сети с блоком "точечного внимания" ↗
1
1
24м 1с
0
Закрытый
12.3 Использование трансформера BERT для классификации текстов ↗
1
0
-
0

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

4 урока
Закрытый
13.1 Особенности входных сигналов в звуковой форме ↗
2
1
2м 30с
0
Закрытый
13.2 Основные параметры аудиосигналов ↗
1
1
-
0
Закрытый
13.3 Распознавание произнесённых названий цифр ↗
1
1
-
0
Закрытый
13.4 Выявление эмоций по речи человека с помощью нейронной сети ↗
1
0
24м 35с
0

14. Разработка генеративно-состязательных сетей на PyTorch

3 урока
Закрытый
14.1 Особенности архитектуры генеративно-состязательных сетей ↗
2
1
6м 30с
0
Закрытый
14.2 Простая генеративно-состязательная модель на PyTorch ↗
1
1
-
0
Закрытый
14.3 Глубокая свёрточная генеративно-состязательная сеть ↗
1
0
28м 0с
0

15. Итоговое задание и заключительный раздел курса

4 урока
Закрытый
15.1 Первая часть итогового теста ↗
2
1
-
0
Закрытый
15.2 Вторая часть итогового теста ↗
1
1
-
0
Закрытый
15.3 Практическое задание ↗
1
0
-
0
Закрытый
15.4 Заключительный раздел курса ↗
1
1
-
0