Deep Learning и нейронные сети: Видеокурс

• Модуль 1

Введение в искусственные нейронные сети

Создаем нейронную сеть для распознавания рукописных цифр на Python

• Модуль 2

Фреймворки для глубокого обучения (PyTorch, TensorFlow)

Создаем модель распознавание лиц с помощью сетей прямого распространения ошибки в PyTorch

• Модуль 3

Задача оптимизации

Улучшаем скорость и производительность сетей для кейса предыдущего модуля

• Модуль 4

Сверточные нейронные сети. Современные архитектуры

Поиск и распознавания объектов на изображениях – работа с моделями 

из Tensorflow zoo для датасета COCO 

• Модуль 5

Применение сверточных сетей в задачах компьютерного зрения. Transfer learning 

Решение задачи классификации фото различных мест из библиотеки

Places и фото объектов датасета CIFAR10 с Transfer learning

• Модуль 6

Рекуррентные нейронные сети. LSTM, GRU

Реализация и обучение рекуррентной сети для задач прогнозирования 

временных рядов на примере данных о погоде 

• Модуль 7

Применение нейронных сетей в задачах обработки естественного языка (NLP) 

Разработка диалоговой модели (нейросетевого чат-бота)

• Модуль 8

Генеративные конкурирующие сети (GAN)

Создаем модель для генерации лиц на основе архитектуры GAN

• Модуль 9

Вариационные автокодировщики (VAE)

Учимся генерировать цифры с помощью вариационных автокодировщиков

• Модуль 10

Обучение с подкреплением

Создаем агента для игры на основе DQN алгоритма

Машинное обучение - одна из самых быстрорастущих областей знаний! Инвестиции в машинное обучение вырастут в 5 раз в течение ближайших 3 лет. И Deep Learning - это передний край данной индустрии. 

Этот курс подойдет для тех, кто хочет в сжатые сроки получить практические навыки по программированию глубоких нейронных сетей. Вы сможете пройти этот курс, если у вас есть базовое понимание машинного обучения и знание языка Python. В рамках курса вы пройдете полный путь от аренды GPU-сервера, который подходит для Deep Learning, вплоть до создания полноценной рабочей модели для компьютерного зрения, анализа естественного языка и рекомендательных систем. 

Вы познакомитесь с основными библиотеками для Deep Learning, такими как Tensor Flow, PyTorch и другими.