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) ★ 4.965

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 6 906
Сертификаты, выданные на курсе «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)»Сертификатов выдано 1 117
Отзывы о курсе «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)»Отзывов получено 141
Рейтинг курса «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)»Рейтинг курса 4.965
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. 26 марта 2026

1. Распознавание картинок: нейросети, фильтры и свёртки

6 уроков
Закрытый
1.1 Картинки как объект для нейронных сетей ↗
6 175
2 401
10м 26с
115
Закрытый
1.2 Свёрточная архитектура ↗
2 324
1 575
11м 47с
89
Закрытый
1.3 Матричные фильтры ↗
1 970
1 372
15м 48с
85
Закрытый
1.4 Параметры свёртки ↗
1 704
1 200
13м 37с
82
Закрытый
1.5 Композиция фильтров ↗
1 595
1 217
8м 56с
74
Закрытый
1.6 Выводы ↗
1 515
1 369
1м 9с
70

2. Свёрточные нейронные сети

5 уроков
Закрытый
2.1 Фильтры в нейронных сетях ↗
1 585
1 204
15м 25с
70
Закрытый
2.2 Пулинг ↗
1 512
1 159
11м 10с
64
Закрытый
2.3 Многоканальные фильтры ↗
1 448
1 114
25м 14с
78
Закрытый
2.4 Картинка превращается в вектор ↗
1 408
1 109
13м 0с
122
Закрытый
2.5 Выводы ↗
1 327
1 233
1м 36с
57

3. Очень большие сверточные нейронные сети

7 уроков
Закрытый
3.1 LeNet ↗
1 405
1 405
9м 55с
70
Закрытый
3.2 VGG ↗
1 358
1 358
7м 58с
57
Закрытый
3.3 ResNet ↗
1 395
1 229
3м 4с
70
Закрытый
3.4 Принципы тренировки глубоких сверточных нейронных сетей ↗
1 359
1 359
6м 7с
60
Закрытый
3.5 Transfer learning ↗
1 389
1 004
15м 22с
64
Закрытый
3.6 Сверточная нейронная сеть действительно понимает, что видит? ↗
1 309
1 229
15м 32с
69
Закрытый
3.7 Выводы ↗
1 271
1 153
1м 46с
51

4. Сегментация изображений

7 уроков
Закрытый
4.1 Постановка задачи ↗
1 313
1 313
7м 57с
55
Закрытый
4.2 Специальные архитектуры нейронных сетей для сегментации ↗
1 303
1 303
4м 13с
52
Закрытый
4.3 Деконволюция ↗
1 323
1 082
13м 8с
57
Закрытый
4.4 Операция unpooling ↗
1 273
1 074
6м 2с
58
Закрытый
4.5 Достижения и следствия из сегментации ↗
1 241
1 241
3м 13с
57
Закрытый
4.6 Тренировка сегментирующей нейронной сети ↗
1 300
960
10м 19с
59
Закрытый
4.7 Выводы ↗
1 213
1 116
1м 43с
48

5. Автокодировщики

3 урока
Закрытый
5.1 Сделать из конфетки… конфетку ↗
1 292
1 292
6м 27с
51
Закрытый
5.2 Зачем они нужны? ↗
1 292
1 041
20м 8с
63
Закрытый
5.3 Выводы ↗
1 210
1 108
1м 35с
47

6. Метрические задачи (metric learning)

4 урока
Закрытый
6.1 Постановка задачи ↗
1 250
1 250
8м 3с
53
Закрытый
6.2 Как превращать фото в вектора? ↗
1 225
1 225
3м 58с
51
Закрытый
6.3 Тренировка embedding-а ↗
1 284
931
19м 1с
53
Закрытый
6.4 Выводы ↗
1 148
1 045
1м 38с
39

7. Обработка текстов

6 уроков
Закрытый
7.1 Был текст, получились числа ↗
1 306
1 306
16м 8с
52
Закрытый
7.2 Контекст слова и работа с ним ↗
1 223
1 223
8м 40с
63
Закрытый
7.3 Технологии типа word2vec ↗
1 219
1 219
14м 46с
52
Закрытый
7.4 Negative sampling ↗
1 196
1 196
4м 30с
51
Закрытый
7.5 Что дальше? ↗
1 176
1 176
4м 39с
47
Закрытый
7.6 Выводы ↗
1 148
1 036
1м 48с
43

8. Генеративно-состязательные сети (GAN)

2 урока
Закрытый
8.1 Введение ↗
1 310
779
34м 14с
67
Закрытый
8.2 Выводы ↗
1 114
981
0м 26с
39

9. Обработка последовательностей

5 уроков
Закрытый
9.1 Общая идея ↗
1 248
1 032
23м 22с
63
Закрытый
9.2 Генерация текста и его тональность ↗
1 153
1 153
9м 22с
48
Закрытый
9.3 LSTM-ячейки ↗
1 225
1 087
22м 2с
61
Закрытый
9.4 Выводы ↗
1 149
998
1м 39с
47
Закрытый
9.5 Опрос слушателей курса ↗
1 132
1 132
0м 24с
42