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

Теория информации для машинного обучения от NLP и LLM до CV и RL ★ 5.000

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 и RL»Учеников на курсе 107
Сертификаты, выданные на курсе «Теория информации для машинного обучения от NLP и LLM до CV и RL»Сертификатов выдано 0
Отзывы о курсе «Теория информации для машинного обучения от NLP и LLM до CV и RL»Отзывов получено 1
Рейтинг курса «Теория информации для машинного обучения от NLP и LLM до CV и RL»Рейтинг курса 5.000
Уроки в курсе «Теория информации для машинного обучения от NLP и LLM до CV и RL»Количество уроков 205
Тесты в курсе «Теория информации для машинного обучения от NLP и LLM до CV и RL»Количество квизов 377
Время прохождения курса «Теория информации для машинного обучения от NLP и LLM до CV и RL»Время прохождения курса —
Обновления курса «Теория информации для машинного обучения от NLP и LLM до CV и RL»Обновления курса — —
Дата публикации курса «Теория информации для машинного обучения от NLP и LLM до CV и RL»Дата публикации курса — ———
Последнее обновление курса «Теория информации для машинного обучения от NLP и LLM до CV и RL»Последнее обновление — ———
Сложность normal — ———
5.000 ★
из 5
1 отзыв
★★★★★
1
★★★★★
0
★★★★★
0
★★★★★
0
★★★★★
0