Курс на Stepik
Обложка курса «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)» на Stepik
Бесплатно

Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP) 4.966

Открыть на
STEPIK.ORG

Этот курс является естественным продолжением курса «Введение в искусственные нейронные сети», где мы изучали тренировку полносвязных нейронных сетей. В настоящем курсе мы рассмотрим специальные архитектуры нейронных сетей: свёрточные (необходимые для обработки изображений), рекуррентные (обработка видео и временных рядов), автокодировщики и состязательные сети (GAN). Кроме того, будут изучены новые задачи, решаемые с помощью нейросетей: обработка текстов (NLP), metric learning и сегментации изображений.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)»Учеников на курсе 7 086
Сертификаты, выданные на курсе «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)»Сертификатов выдано 1 184
Отзывы о курсе «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)»Отзывов получено 148
Рейтинг курса «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)»Рейтинг курса 4.966
Уроки в курсе «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)»Количество уроков 45
Тесты в курсе «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)»Количество квизов 45
Время прохождения курса «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)»Время прохождения курса
Обновления курса «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)»Обновления курса
Дата публикации курса «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)»Дата публикации курса
Последнее обновление курса «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)»Последнее обновление
Сложность normal

Содержание курса

Разделы в курсе «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)» 9 разделов Уроки в курсе «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)» 45 уроков Тесты в курсе «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)» 45 тестов Время прохождения курса «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)» 7 ч. Последнее обновление курса «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)» обн. 15 июня 2026

Распознавание картинок: нейросети, фильтры и свёртки

6 уроков
1. Картинки как объект для нейронных сетей
2. Свёрточная архитектура
3. Матричные фильтры
4. Параметры свёртки
5. Композиция фильтров
6. Выводы

Свёрточные нейронные сети

5 уроков
1. Фильтры в нейронных сетях
2. Пулинг
3. Многоканальные фильтры
4. Картинка превращается в вектор
5. Выводы

Очень большие сверточные нейронные сети

7 уроков
1. LeNet
2. VGG
3. ResNet
4. Принципы тренировки глубоких сверточных нейронных сетей
5. Transfer learning
6. Сверточная нейронная сеть действительно понимает, что видит?
7. Выводы

Сегментация изображений

7 уроков
1. Постановка задачи
2. Специальные архитектуры нейронных сетей для сегментации
3. Деконволюция
4. Операция unpooling
5. Достижения и следствия из сегментации
6. Тренировка сегментирующей нейронной сети
7. Выводы

Автокодировщики

3 урока
1. Сделать из конфетки… конфетку
2. Зачем они нужны?
3. Выводы

Метрические задачи (metric learning)

4 урока
1. Постановка задачи
2. Как превращать фото в вектора?
3. Тренировка embedding-а
4. Выводы

Обработка текстов

6 уроков
1. Был текст, получились числа
2. Контекст слова и работа с ним
3. Технологии типа word2vec
4. Negative sampling
5. Что дальше?
6. Выводы

Генеративно-состязательные сети (GAN)

2 урока
1. Введение
2. Выводы

Обработка последовательностей

5 уроков
1. Общая идея
2. Генерация текста и его тональность
3. LSTM-ячейки
4. Выводы
5. Опрос слушателей курса