Курс на Stepik
Обложка курса «Нейросети в PyTorch: быстрый старт с нуля» на Stepik
1 590₽ -10%
--:--:--
1 431 ₽

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 53
Сертификаты, выданные на курсе «Нейросети в PyTorch: быстрый старт с нуля»Сертификатов выдано 11
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 1 590 ₽ —
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» 4 ч. Последнее обновление курса «Нейросети в PyTorch: быстрый старт с нуля» обн. 26 марта 2026

1. Введение и настройка

2 урока
Закрытый
1.1 Что такое PyTorch и зачем он нужен ↗
22
17
8м 6с
1
Закрытый
1.2 Установка и настройка (локально и в Google Colab) ↗
19
15
12м 25с
1

2. Основы тензоров и автодифференцирование

2 урока
Закрытый
2.1 torch.Tensor: создание, типы, shape, операции ↗
21
10
26м 1с
2
Закрытый
2.2 Автоматическое дифференцирование: requires_grad, backward() и др ↗
16
10
45м 49с
1

3. Линейные модели и градиентный спуск

4 урока
Закрытый
3.1 Ручной градиентный спуск ↗
16
9
12м 3с
1
Закрытый
3.2 Линейная регрессия с PyTorch ↗
14
7
27м 16с
1
Закрытый
3.3 Функции потерь и оптимизаторы (MSELoss, SGD) ↗
12
8
7м 21с
1
Закрытый
3.4 Тренировка и визуализация лосса ↗
11
9
10м 2с
1

4. Нейронные сети

4 урока
Закрытый
4.1 Что такое нейросети ↗
13
9
6м 34с
1
Закрытый
4.2 Многослойный перцептрон (nn.Sequential, nn.Module) ↗
11
7
6м 28с
1
Закрытый
4.3 Активации: ReLU, Sigmoid, Softmax ↗
11
7
20м 46с
1
Закрытый
4.4 Модель классификации + обучение ↗
9
6
-
0

5. Работа с данными

3 урока
Закрытый
5.1 Dataset и DataLoader ↗
10
7
10м 52с
1
Закрытый
5.2 Работа с CSV и изображениями ↗
8
5
-
0
Закрытый
5.3 Аугментации и трансформации (torchvision.transforms) ↗
9
5
-
0

6. Компьютерное зрение

3 урока
Закрытый
6.1 Введение в сверточные сети (CNN) ↗
10
6
6м 27с
1
Закрытый
6.2 Conv2d, MaxPool2d, Flatten ↗
10
4
3м 27с
1
Закрытый
6.3 Классификация на MNIST / CIFAR-10 ↗
10
5
2м 43с
1

7. Оценка и сохранение моделей

3 урока
Закрытый
7.1 model.eval(), torch.no_grad() ↗
10
6
2м 37с
1
Закрытый
7.2 torch.save, torch.load ↗
10
6
19м 29с
1
Закрытый
7.3 Обратная связь ↗
9
5
-
0