Содержание пакета (3 курса)
1. PyTorch: от тензоров до нейросетей и кастомных фреймворков🔥 5.0
1. Введение
4 урока
👁
416
👤
384
Открытый
1.1
Пререквизиты
↗
211
211
4м
2
Закрытый
1.2
Что такое PyTorch?
↗
76
58
7м
2
Закрытый
1.3
Установка PyTorch
↗
64
59
4м
1
Закрытый
1.4
Использование GPU
↗
65
56
9м
1
2. Тензоры и операции с ними
6 уроков
👁
342
👤
264
Закрытый
2.1
Тензоры
↗
66
55
15м
1
Закрытый
2.2
Форма входного тензора в CNN и карты признаков
↗
63
51
12м
1
Закрытый
2.3
Тензоры PyTorch
↗
61
49
16м
0
Закрытый
2.4
Операции с тензорами - 1
↗
56
43
31м
0
Закрытый
2.5
Операции с тензорами - 2
↗
49
42
33м
0
Закрытый
2.6
Практика
↗
47
24
55м
0
3. Работа с данными
3 урока
👁
137
👤
112
Закрытый
3.1
Fashion-MNIST
↗
46
39
9м
0
Закрытый
3.2
Извлечение, преобразование и загрузка (ETL)
↗
46
37
16м
0
Закрытый
3.3
Datasets и DataLoaders
↗
45
36
11м
0
4. Создание нейронных сетей в PyTorch
10 уроков
👁
347
👤
248
Закрытый
4.1
Создание нейронных сетей
↗
43
35
28м
0
Закрытый
4.2
Слои
↗
39
33
9м
0
Закрытый
4.3
Весовые коэффициенты
↗
38
30
13м
1
Закрытый
4.4
Линейные слои
↗
36
25
11м
0
Закрытый
4.5
Прямой проход
↗
33
25
20м
0
Закрытый
4.6
Реализация прямого прохода в CNN
↗
33
26
13м
0
Закрытый
4.7
Объяснение прямого распространения
↗
30
26
3м
0
Закрытый
4.8
Обработка пакетов
↗
30
24
7м
0
Закрытый
4.9
Выход CNN
↗
31
24
6м
0
Закрытый
4.10
Практика
↗
34
0
7м
-1
5. Обучение нейронных сетей в PyTorch
7 уроков
👁
182
👤
116
Закрытый
5.1
Процесс обучения CNN
↗
30
21
11м
0
Закрытый
5.2
Цикл обучения CNN
↗
28
19
6м
0
Закрытый
5.3
Матрица ошибок
↗
26
17
10м
0
Закрытый
5.4
Конкатенация и Стекинг
↗
25
18
6м
0
Закрытый
5.5
TensorBoard
↗
24
24
4м
0
Закрытый
5.6
Гиперпараметры
↗
26
14
2м
0
Закрытый
5.7
Практика
↗
23
3
0
6. Экспериментация
11 уроков
👁
185
👤
72
Закрытый
6.1
Run Builder
↗
21
11
5м
0
Закрытый
6.2
Оптимизация цикла обучения CNN
↗
19
6
1м
0
Закрытый
6.3
Тестирование DataLoader
↗
15
7
2м
0
Закрытый
6.4
Запуск на GPU
↗
17
8
1м
0
Закрытый
6.5
Нормализация данных
↗
15
7
4м
0
Закрытый
6.6
PyTorch Sequential
↗
16
7
2м
0
Закрытый
6.7
Нормализация батча
↗
15
6
1м
0
Закрытый
6.8
Сброс весов сети
↗
15
6
7м
1
Закрытый
6.9
Обучение нескольких сетей одновременно
↗
15
7
3м
0
Закрытый
6.10
Макс-пулинг
↗
17
5
1м
0
Закрытый
6.11
Практика
↗
20
2
0
7. Репетиторство
1 урок
👁
399
👤
399
Открытый
7.1
Мой контакт
↗
399
399
0м
5
2. Tensorflow & Keras: нейронные сети на Python
1. Введение и настройка
3 урока
👁
317
👤
83
Открытый
1.1
Пререквизиты и введение
↗
158
38
2м
4
Закрытый
1.2
Поддержка GPU | CUDA
↗
31
20
3м
0
Открытый
1.3
Обработка данных
↗
128
25
1м
0
2. Создание и обучение нейронной сети
8 уроков
👁
130
👤
70
Закрытый
2.1
Создание нейронной сети
↗
23
14
12м
0
Закрытый
2.2
Обучение нейронной сети
↗
18
13
13м
0
Закрытый
2.3
Практика на код №1
↗
19
4
4м
0
Закрытый
2.4
Валидационный набор
↗
14
9
5м
0
Закрытый
2.5
Прогнозирование
↗
14
10
5м
0
Закрытый
2.6
Матрица ошибок
↗
16
9
9м
0
Закрытый
2.7
Сохранение и загрузка модели
↗
12
8
3м
0
Закрытый
2.8
Практика на код №2
↗
14
3
1м
0
3. CNN
5 уроков
👁
58
👤
17
Закрытый
3.1
Подготовка изображений
↗
14
5
8м
0
Закрытый
3.2
Создание и обучение сверточной нейронной сети
↗
14
5
3м
0
Закрытый
3.3
Предсказание сверточной нейронной сети
↗
10
3
3м
0
Закрытый
3.4
Выполнение аугментации данных
↗
9
3
0
Закрытый
3.5
Задачи на код
↗
11
1
0
4. Fine-tuning & Transfer Learning
6 уроков
👁
56
👤
27
Закрытый
4.1
Создание дообученной нейронной сети
↗
12
2
3м
0
Закрытый
4.2
Обучение дообученной нейронной сети
↗
8
2
0
Закрытый
4.3
Классификация изображений с MobileNet
↗
10
2
1м
0
Закрытый
4.4
Обработка изображений для дообученной MobileNet
↗
8
3
0
Закрытый
4.5
Тонкая настройка MobileNet
↗
7
7
0
Закрытый
4.6
Заключение
↗
11
11
1м
0
5. Репетиторство
1 урок
👁
399
👤
399
Открытый
5.1
Мой контакт
↗
399
399
0м
5
3. Нейронные сети: Глубокое обучение с нуля 4.667
1. Глубокое обучение и нейронные сети
18 уроков
👁
2 451
👤
1 526
Открытый
1.1
Введение в нейронные сети
↗
530
159
9м
13
Открытый
1.2
Перцептрон, сети, аппроксимация
↗
322
127
12м
11
Открытый
1.3
Слои в НС
↗
288
110
14м
8
Открытый
1.4
Функция активации
↗
199
103
13м
6
Закрытый
1.5
Экстракция признаков
↗
99
99
2м
5
Закрытый
1.6
Функция потерь
↗
96
89
11м
5
Закрытый
1.7
Обучение НС
↗
91
83
11м
6
Закрытый
1.8
Бэтчи и эпохи
↗
90
83
12м
5
Закрытый
1.9
Оптимизация, lr
↗
89
79
22м
7
Закрытый
1.10
Обратное распространение ошибки
↗
80
75
14м
7
Закрытый
1.11
Смещение
↗
78
71
14м
8
Закрытый
1.12
Обучаемые параметры
↗
77
69
7м
6
Закрытый
1.13
Данные
↗
74
69
10м
8
Закрытый
1.14
Переобучение и недообучение
↗
74
67
15м
7
Закрытый
1.15
Аугментация данных
↗
70
65
8м
9
Закрытый
1.16
Регуляризация
↗
69
62
8м
6
Закрытый
1.17
С учителем, без учителя, с половиной учителя?
↗
65
59
13м
7
Закрытый
1.18
Препроцессинг
↗
60
57
10м
6
2. Компьютерное зрение
8 уроков
👁
476
👤
436
Закрытый
2.1
Обработка изображений
↗
67
61
11м
7
Закрытый
2.2
Работа НС с изображениями
↗
63
58
9м
6
Закрытый
2.3
CNN
↗
61
57
12м
6
Закрытый
2.4
Как работает свертка (конволюция)?
↗
60
58
7м
6
Закрытый
2.5
Сверточные слои против полносвязных
↗
59
52
6м
2
Закрытый
2.6
Zero padding
↗
56
56
5м
2
Закрытый
2.7
Max pooling
↗
55
48
8м
2
Закрытый
2.8
Обучаемые параметры в CNN
↗
55
46
11м
2
3. Дополнительные материалы
4 урока
👁
207
👤
169
Закрытый
3.1
Transfer learning и fine-tuning
↗
57
45
5м
3
Закрытый
3.2
Проблема исчезающего градиента
↗
49
39
5м
2
Закрытый
3.3
Инициализация весов
↗
48
41
6м
2
Закрытый
3.4
Итоги
↗
53
44
1м
3
4. Репетиторство
1 урок
👁
399
👤
399
Открытый
4.1
Мой контакт
↗
399
399
0м
5