Курс на Stepik
Обложка курса «Нейросети в PyTorch: быстрый старт с нуля» на Stepik
1 690 ₽

Нейросети в PyTorch: быстрый старт с нуля ★ 5.000

Открыть на
STEPIK.ORG

С нуля до первых нейросетей на PyTorch! Научитесь создавать, обучать и оценивать модели, работать с данными и визуализировать результаты. Все знания сразу закрепляются на практике через реальные проекты, которые станут частью вашего портфолио!

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Нейросети в PyTorch: быстрый старт с нуля»Учеников на курсе 78
Сертификаты, выданные на курсе «Нейросети в PyTorch: быстрый старт с нуля»Сертификатов выдано 16
Отзывы о курсе «Нейросети в PyTorch: быстрый старт с нуля»Отзывов получено 1
Рейтинг курса «Нейросети в PyTorch: быстрый старт с нуля»Рейтинг курса 5.000
Уроки в курсе «Нейросети в PyTorch: быстрый старт с нуля»Количество уроков 21
Тесты в курсе «Нейросети в PyTorch: быстрый старт с нуля»Количество квизов 143
Задачи с кодом в курсе «Нейросети в PyTorch: быстрый старт с нуля»Количество задач с кодом 29
Время прохождения курса «Нейросети в PyTorch: быстрый старт с нуля»Время прохождения курса —
Стоимость курса «Нейросети в PyTorch: быстрый старт с нуля»Стоимость курса 1 690 ₽ —
Обновления курса «Нейросети в PyTorch: быстрый старт с нуля»Обновления курса — —
Дата публикации курса «Нейросети в PyTorch: быстрый старт с нуля»Дата публикации курса — ———
Последнее обновление курса «Нейросети в PyTorch: быстрый старт с нуля»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Нейросети в PyTorch: быстрый старт с нуля» 7 разделов Уроки в курсе «Нейросети в PyTorch: быстрый старт с нуля» 21 урок Тесты в курсе «Нейросети в PyTorch: быстрый старт с нуля» 143 теста Задачи в курсе «Нейросети в PyTorch: быстрый старт с нуля» 29 задач Время прохождения курса «Нейросети в PyTorch: быстрый старт с нуля» 6 ч. Последнее обновление курса «Нейросети в PyTorch: быстрый старт с нуля» обн. 26 августа 2026

Введение и настройка

2 урока
1. Что такое PyTorch и зачем он нужен ↗
2. Установка и настройка (локально и в Google Colab) ↗

Основы тензоров и автодифференцирование

2 урока
1. torch.Tensor: создание, типы, shape, операции ↗
2. Автоматическое дифференцирование: requires_grad, backward() и др ↗

Линейные модели и градиентный спуск

4 урока
1. Ручной градиентный спуск ↗
2. Линейная регрессия с PyTorch ↗
3. Функции потерь и оптимизаторы (MSELoss, SGD) ↗
4. Тренировка и визуализация лосса ↗

Нейронные сети

4 урока
1. Что такое нейросети ↗
2. Многослойный перцептрон (nn.Sequential, nn.Module) ↗
3. Активации: ReLU, Sigmoid, Softmax ↗
4. Модель классификации + обучение ↗

Работа с данными

3 урока
1. Dataset и DataLoader ↗
2. Работа с CSV и изображениями ↗
3. Аугментации и трансформации (torchvision.transforms) ↗

Компьютерное зрение

3 урока
1. Введение в сверточные сети (CNN) ↗
2. Conv2d, MaxPool2d, Flatten ↗
3. Классификация на MNIST / CIFAR-10 ↗

Оценка и сохранение моделей

3 урока
1. model.eval(), torch.no_grad() ↗
2. torch.save, torch.load ↗
3. Обратная связь ↗