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) ★ 4.967

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 7 140
Сертификаты, выданные на курсе «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)»Сертификатов выдано 1 200
Отзывы о курсе «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)»Отзывов получено 150
Рейтинг курса «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)»Рейтинг курса 4.967
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. 22 сентября 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 ↗