Курс на Stepik
Обложка курса «Продвинутые методы глубинного обучения» на Stepik
3 900 ₽

Продвинутые методы глубинного обучения ★ 5.000

Открыть на
STEPIK.ORG

Курс посвящен изучению современных алгоритмов и подходов из области Deep Learning, таких как генеративные модели в Computer Vision и в NLP, методы эффективного обучения больших языковых моделей, рекомендательные системы, грабовые нейронные сети и многое другое!

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Продвинутые методы глубинного обучения»Учеников на курсе 203
Сертификаты, выданные на курсе «Продвинутые методы глубинного обучения»Сертификатов выдано 0
Отзывы о курсе «Продвинутые методы глубинного обучения»Отзывов получено 3
Рейтинг курса «Продвинутые методы глубинного обучения»Рейтинг курса 5.000
Уроки в курсе «Продвинутые методы глубинного обучения»Количество уроков 43
Тесты в курсе «Продвинутые методы глубинного обучения»Количество квизов 119
Задачи с кодом в курсе «Продвинутые методы глубинного обучения»Количество задач с кодом 1
Время прохождения курса «Продвинутые методы глубинного обучения»Время прохождения курса —
Стоимость курса «Продвинутые методы глубинного обучения»Стоимость курса 3 900 ₽ —
Обновления курса «Продвинутые методы глубинного обучения»Обновления курса — —
Дата публикации курса «Продвинутые методы глубинного обучения»Дата публикации курса — ———
Последнее обновление курса «Продвинутые методы глубинного обучения»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «Продвинутые методы глубинного обучения» 15 разделов Уроки в курсе «Продвинутые методы глубинного обучения» 43 урока Тесты в курсе «Продвинутые методы глубинного обучения» 119 тестов Задачи в курсе «Продвинутые методы глубинного обучения» 1 задача Время прохождения курса «Продвинутые методы глубинного обучения» 6 ч. Последнее обновление курса «Продвинутые методы глубинного обучения» обн. 1 год назад

1. О курсе

2 урока
Закрытый
1.1 Программа курса ↗
177
137
0м 26с
4
Закрытый
1.2 Тест по Deep Learning ↗
145
125
4м 17с
5

2. Нормализационные потоки и метрики качества генерации

3 урока
Открытый
2.1 Метрики качества генерации ↗
322
123
5м 50с
5
Открытый
2.2 Нормализационные потоки ↗
247
123
3м 53с
5
Закрытый
2.3 Практика по нормализационным потокам ↗
122
24
83м 8с
3

3. Сложные задачи Computer Vision

3 урока
Закрытый
3.1 Stable Diffusion ↗
122
103
3м 28с
3
Закрытый
3.2 Vision Transformers (ViT) ↗
116
101
3м 55с
2
Закрытый
3.3 Обзор других существующих решений ↗
114
99
7м 5с
3

4. Трехмерное компьютерное зрение

2 урока
Закрытый
4.1 Классические методы ↗
111
98
2м 26с
3
Закрытый
4.2 Нейросетевые методы ↗
107
95
2м 53с
2

5. Рекомендательные системы - 1

4 урока
Закрытый
5.1 Введение в рекомендательные системы ↗
123
111
4м 57с
3
Закрытый
5.2 Коллаборативная фильтрация ↗
117
55
29м 10с
3
Закрытый
5.3 Матричные разложения ↗
116
89
29м 22с
2
Закрытый
5.4 Домашнее задание ↗
111
68
26м 28с
1

6. Рекомендательные системы - 2

4 урока
Закрытый
6.1 Метрики качества рекомендаций ↗
106
94
3м 45с
2
Закрытый
6.2 ML-подход ↗
106
88
16м 22с
4
Закрытый
6.3 Факторизационные машины ↗
101
75
13м 6с
3
Закрытый
6.4 Домашнее задание ↗
100
63
20м 25с
2

7. Рекомендательные системы - 3

3 урока
Закрытый
7.1 ALS для обучения рекомендательных систем ↗
107
94
1м 48с
2
Закрытый
7.2 Deep Learning-подходы для построения рекомендаций (обзор) ↗
106
88
15м 54с
1
Закрытый
7.3 Заключительный урок: материалы и тестирование ↗
97
91
2м 4с
1

8. Методы объяснения DL-моделей

5 уроков
Закрытый
8.1 Введение ↗
99
88
2м 35с
1
Закрытый
8.2 Learned Features [CNN] Визуализация карт активации ↗
99
86
2м 30с
1
Закрытый
8.3 Learned Features [CNN] Network Dissection ↗
93
70
9м 46с
2
Закрытый
8.4 Learned Features [CNN]: Практика ↗
93
74
7м 32с
2
Закрытый
8.5 Gradient-based explainability | Saliency Maps ↗
92
77
1м 11с
2

9. Большие языковые модели (Large Language Models)

3 урока
Закрытый
9.1 Введение в LLM ↗
115
103
1м 43с
1
Закрытый
9.2 Обзор некоторых архитектур ↗
110
97
2м 34с
0
Закрытый
9.3 Запускаем LLM ↗
108
108
17м 57с
3

10. PEFT

2 урока
Закрытый
10.1 PEFT ↗
116
94
4м 45с
0
Закрытый
10.2 Домашнее задание ↗
100
69
7м 18с
2

11. Графовые нейронные сети

3 урока
Закрытый
11.1 Введение в графовые нейронные сети ↗
105
88
1м 56с
0
Закрытый
11.2 Некоторые архитектуры GNN ↗
96
79
1м 31с
0
Закрытый
11.3 Практический запуск GNN ↗
91
82
10м 15с
1

12. Deep Learning для звука: введение в домен

3 урока
Закрытый
12.1 Хранение звука в компьютере ↗
47
38
2м 26с
1
Закрытый
12.2 Базовые характеристики звука ↗
44
39
2м 29с
1
Закрытый
12.3 Преобразование Фурье и Спектрограммы ↗
45
40
2м 37с
0

13. DL для звука: задачи и модели

4 урока
Закрытый
13.1 Стандартные задачи на аудио ↗
44
41
1м 2с
0
Закрытый
13.2 Задачи работы со звуком: Audio-to-Audio ↗
46
41
1м 1с
0
Закрытый
13.3 Audio-visual задачи ↗
46
42
1м 31с
0
Закрытый
13.4 Audio-Tasks: тест на понимание области ↗
47
41
2м 55с
0

14. Обучение с подкреплением

1 урок
Закрытый
14.1 Reinforcement Learning ↗
35
35
0м 1с
0

15. Итоговый модуль курса

1 урок
Закрытый
15.1 Итог ↗
19
19
0м 1с
0