Выдаётся ли сертификат по окончании курса?

Да, при успешном завершении курса выдаётся сертификат от платформы Stepik. На данный момент 1 учеников получили сертификат (1.9% завершаемость).

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

Name: Создание нейросетей с нуля: математика, алгоритмы и практика
Price: 4990.00 RUB
Availability: InStock
Rating: 0 (0 reviews)

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
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	52
Сертификатов выдано	1
Отзывов получено	0
Рейтинг курса	0.000
Количество уроков	48
Количество квизов	221
Количество задач с кодом	150
Время прохождения курса	4 ч.	—
Стоимость курса	4 990 ₽	—
Обновления курса	—	—
Дата публикации курса	1 год назад	—	—	—	—
Последнее обновление	1 год назад	—	—	—	—
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.

обн. 1 год назад

Модуль 0: Введение в Нейросети

2 урока

1. Урок 1: Приветствие и Знакомство ↗

2. Урок 2: Нейросети и их Влияние ↗

Модуль 1: Математика Нейросетей

5 уроков

1. Урок 1: Векторы и Матрицы ↗

2. Урок 2: Линейные Преобразования ↗

3. Урок 3: Производные и Оптимизация ↗

4. Урок 4: Градиенты и Обучение ↗

5. Урок 5: Теория Вероятности ↗

Модуль 2: Простая Нейросеть

5 уроков

1. Урок 1: Основы Нейрона ↗

2. Урок 2: Линейная Модель ↗

3. Урок 3: Функции Активации ↗

4. Урок 4: Ошибки и Потери ↗

5. Урок 5: Градиентный Спуск ↗

Модуль 3: Многослойные Сети (MLP)

5 уроков

1. Урок 1: Основы Многослойных Сетей ↗

2. Урок 2: Обратное Распространение ↗

3. Урок 3: Цепное Правило ↗

4. Урок 4: Обучение Многослойных Сетей ↗

5. Урок 5: Практическое Задание ↗

Модуль 4: Оптимизация Моделей

5 уроков

1. Урок 1: Переобучение и Регуляризация ↗

2. Урок 2: Методы Оптимизации ↗

3. Урок 3: Нормализация Данных ↗

4. Урок 4: Батчевая Нормализация ↗

5. Урок 5: Динамическое Обучение ↗

Модуль 5: Свёрточные Сети (CNN)

5 уроков

1. Урок 1: Введение в Свёртки ↗

2. Урок 2: Пулинг ↗

3. Урок 3: Свёрточные Слои ↗

4. Урок 4: Обучение CNN ↗

5. Урок 5: Практическое Задание ↗

Модуль 6: Рекуррентные Сети (RNN)

5 уроков

1. Урок 1: Введение в RNN ↗

2. Урок 2: Стандартные RNN ↗

3. Урок 3: LSTM и GRU ↗

4. Урок 4: Обработка Текста ↗

5. Урок 5: Практическое Задание ↗

Модуль 7: Генеративные Сети (GAN)

5 уроков

1. Урок 1: Введение в GAN ↗

2. Урок 2: Архитектура GAN ↗

3. Урок 3: Проблемы GAN ↗

4. Урок 4: Применение GAN ↗

5. Урок 5: Создание GAN для Изображений ↗

Модуль 8: Трансформеры и Внимание

5 уроков

1. Урок 1: Введение в Трансформеры ↗

2. Урок 2: Механизм Внимания ↗

3. Урок 3: Архитектура Трансформера ↗

4. Урок 4: Применение Трансформеров для Текста ↗

5. Урок 5: Практическое Задание: Реализация Трансформера ↗

Модуль 9 Завершающий Проект

6 уроков

1. Урок 1: Постановка Задачи и Подготовка Данных ↗

2. Урок 2: Создание и Обучение Модели ↗

3. Урок 3: Оценка и Анализ Результатов ↗

4. Урок 4: Интеграция и Деплой ↗

5. Урок 5: Презентация Проекта ↗

6. Что дальше? ↗