Курс на Stepik
Обложка курса «Теория информации для машинного обучения от NLP и LLM до CV» на Stepik
Бесплатно

Теория информации для машинного обучения от NLP и LLM до CV 0.000

Открыть на
STEPIK.ORG

Полностью бесплатный курс о том, как теория информации работает внутри современного ML: от энтропии, кросс-энтропии, KL и взаимной информации до кодирования, MaxEnt, Information Bottleneck, PAC-Bayes, LLM, CV и информационной геометрии. Математика вводится через функции потерь, вероятностные модели, представления, сжатие и инженерные компромиссы. Курс представляет информационно-теоретическую часть математического направления развивающейся серии курсов об ML и LLM.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Теория информации для машинного обучения от NLP и LLM до CV»Учеников на курсе 1
Сертификаты, выданные на курсе «Теория информации для машинного обучения от NLP и LLM до CV»Сертификатов выдано 0
Отзывы о курсе «Теория информации для машинного обучения от NLP и LLM до CV»Отзывов получено 0
Рейтинг курса «Теория информации для машинного обучения от NLP и LLM до CV»Рейтинг курса 0.000
Уроки в курсе «Теория информации для машинного обучения от NLP и LLM до CV»Количество уроков 205
Тесты в курсе «Теория информации для машинного обучения от NLP и LLM до CV»Количество квизов 377
Обновления курса «Теория информации для машинного обучения от NLP и LLM до CV»Обновления курса
Дата публикации курса «Теория информации для машинного обучения от NLP и LLM до CV»Дата публикации курса
Последнее обновление курса «Теория информации для машинного обучения от NLP и LLM до CV»Последнее обновление
Сложность normal

Команда курса

Аватар Влад Куликов — преподаватель курса Теория информации для машинного обучения от NLP и LLM до CV

Влад Куликов

author instructor

Lead AI/ML (LLMs) в FinTech. В ML с 2017 года — R&D, разработка ML/GenAI систем, консультирование бизнеса по созданию и внедрению AI. Магистратура МФТИ — Modern State of AI. Диссертация и публикации...