Курс на Stepik
Обложка курса «Создание нейросетей с нуля: математика, алгоритмы и практика» на Stepik
4 990 ₽

Создание нейросетей с нуля: математика, алгоритмы и практика ★ 0.000

Открыть на
STEPIK.ORG

Курс "Создание нейросетей с нуля: математика, алгоритмы и практика" предоставит вам уникальное, глубокое понимание основ искусственного интеллекта и нейросетей. Мы разберем, как работают стандартные библиотеки ИИ, такие как TensorFlow и PyTorch, изнутри, и научим вас строить нейросети с нуля. Курс охватывает все этапы создания моделей — от фундаментальных математических принципов до оптимизации и применения на практике, давая вам мощные инструменты для работы с ИИ.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Создание нейросетей с нуля: математика, алгоритмы и практика»Учеников на курсе 51
Сертификаты, выданные на курсе «Создание нейросетей с нуля: математика, алгоритмы и практика»Сертификатов выдано 1
Отзывы о курсе «Создание нейросетей с нуля: математика, алгоритмы и практика»Отзывов получено 0
Рейтинг курса «Создание нейросетей с нуля: математика, алгоритмы и практика»Рейтинг курса 0.000
Уроки в курсе «Создание нейросетей с нуля: математика, алгоритмы и практика»Количество уроков 48
Тесты в курсе «Создание нейросетей с нуля: математика, алгоритмы и практика»Количество квизов 221
Задачи с кодом в курсе «Создание нейросетей с нуля: математика, алгоритмы и практика»Количество задач с кодом 150
Время прохождения курса «Создание нейросетей с нуля: математика, алгоритмы и практика»Время прохождения курса —
Стоимость курса «Создание нейросетей с нуля: математика, алгоритмы и практика»Стоимость курса 4 990 ₽ —
Обновления курса «Создание нейросетей с нуля: математика, алгоритмы и практика»Обновления курса — —
Дата публикации курса «Создание нейросетей с нуля: математика, алгоритмы и практика»Дата публикации курса — ———
Последнее обновление курса «Создание нейросетей с нуля: математика, алгоритмы и практика»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Создание нейросетей с нуля: математика, алгоритмы и практика» 10 разделов Уроки в курсе «Создание нейросетей с нуля: математика, алгоритмы и практика» 48 уроков Тесты в курсе «Создание нейросетей с нуля: математика, алгоритмы и практика» 221 тест Задачи в курсе «Создание нейросетей с нуля: математика, алгоритмы и практика» 150 задач Время прохождения курса «Создание нейросетей с нуля: математика, алгоритмы и практика» 4 ч. Последнее обновление курса «Создание нейросетей с нуля: математика, алгоритмы и практика» обн. 1 год назад

1. Модуль 0: Введение в Нейросети

2 урока
Открытый
1.1 Урок 1: Приветствие и Знакомство ↗
64
64
2м 31с
2
Закрытый
1.2 Урок 2: Нейросети и их Влияние ↗
43
22
27м 25с
3

2. Модуль 1: Математика Нейросетей

5 уроков
Закрытый
2.1 Урок 1: Векторы и Матрицы ↗
37
12
42м 13с
3
Закрытый
2.2 Урок 2: Линейные Преобразования ↗
23
8
40м 20с
2
Закрытый
2.3 Урок 3: Производные и Оптимизация ↗
17
8
21м 44с
-1
Закрытый
2.4 Урок 4: Градиенты и Обучение ↗
14
6
10м 22с
-1
Закрытый
2.5 Урок 5: Теория Вероятности ↗
15
7
7м 47с
0

3. Модуль 2: Простая Нейросеть

5 уроков
Закрытый
3.1 Урок 1: Основы Нейрона ↗
20
6
15м 32с
-1
Закрытый
3.2 Урок 2: Линейная Модель ↗
14
6
6м 8с
-1
Закрытый
3.3 Урок 3: Функции Активации ↗
13
4
14м 22с
0
Закрытый
3.4 Урок 4: Ошибки и Потери ↗
11
4
4м 59с
0
Закрытый
3.5 Урок 5: Градиентный Спуск ↗
11
4
1м 48с
0

4. Модуль 3: Многослойные Сети (MLP)

5 уроков
Закрытый
4.1 Урок 1: Основы Многослойных Сетей ↗
14
4
3м 17с
0
Закрытый
4.2 Урок 2: Обратное Распространение ↗
9
4
-
0
Закрытый
4.3 Урок 3: Цепное Правило ↗
9
4
-
0
Закрытый
4.4 Урок 4: Обучение Многослойных Сетей ↗
8
3
-
-1
Закрытый
4.5 Урок 5: Практическое Задание ↗
10
3
1м 19с
-1

5. Модуль 4: Оптимизация Моделей

5 уроков
Закрытый
5.1 Урок 1: Переобучение и Регуляризация ↗
13
2
1м 28с
-1
Закрытый
5.2 Урок 2: Методы Оптимизации ↗
8
1
-
-1
Закрытый
5.3 Урок 3: Нормализация Данных ↗
8
1
-
-1
Закрытый
5.4 Урок 4: Батчевая Нормализация ↗
10
1
8м 58с
-1
Закрытый
5.5 Урок 5: Динамическое Обучение ↗
9
1
-
-1

6. Модуль 5: Свёрточные Сети (CNN)

5 уроков
Закрытый
6.1 Урок 1: Введение в Свёртки ↗
14
2
5м 3с
-1
Закрытый
6.2 Урок 2: Пулинг ↗
13
2
3м 22с
-1
Закрытый
6.3 Урок 3: Свёрточные Слои ↗
11
2
14м 32с
0
Закрытый
6.4 Урок 4: Обучение CNN ↗
12
2
-
0
Закрытый
6.5 Урок 5: Практическое Задание ↗
4
2
-
0

7. Модуль 6: Рекуррентные Сети (RNN)

5 уроков
Закрытый
7.1 Урок 1: Введение в RNN ↗
10
1
1м 33с
0
Закрытый
7.2 Урок 2: Стандартные RNN ↗
4
1
-
0
Закрытый
7.3 Урок 3: LSTM и GRU ↗
7
1
-
0
Закрытый
7.4 Урок 4: Обработка Текста ↗
6
1
-
0
Закрытый
7.5 Урок 5: Практическое Задание ↗
5
1
-
0

8. Модуль 7: Генеративные Сети (GAN)

5 уроков
Закрытый
8.1 Урок 1: Введение в GAN ↗
8
1
-
0
Закрытый
8.2 Урок 2: Архитектура GAN ↗
3
1
-
0
Закрытый
8.3 Урок 3: Проблемы GAN ↗
7
1
-
0
Закрытый
8.4 Урок 4: Применение GAN ↗
5
1
-
0
Закрытый
8.5 Урок 5: Создание GAN для Изображений ↗
5
1
-
0

9. Модуль 8: Трансформеры и Внимание

5 уроков
Закрытый
9.1 Урок 1: Введение в Трансформеры ↗
11
1
0м 6с
0
Закрытый
9.2 Урок 2: Механизм Внимания ↗
9
1
-
0
Закрытый
9.3 Урок 3: Архитектура Трансформера ↗
7
1
-
0
Закрытый
9.4 Урок 4: Применение Трансформеров для Текста ↗
4
1
-
0
Закрытый
9.5 Урок 5: Практическое Задание: Реализация Трансформера ↗
6
1
-
0

10. Модуль 9 Завершающий Проект

6 уроков
Закрытый
10.1 Урок 1: Постановка Задачи и Подготовка Данных ↗
8
1
-
0
Закрытый
10.2 Урок 2: Создание и Обучение Модели ↗
9
1
-
0
Закрытый
10.3 Урок 3: Оценка и Анализ Результатов ↗
6
1
-
0
Закрытый
10.4 Урок 4: Интеграция и Деплой ↗
5
1
-
0
Закрытый
10.5 Урок 5: Презентация Проекта ↗
6
1
-
0
Закрытый
10.6 Что дальше? ↗
10
10
1м 24с
0