EAS-029
Нейронные сети и глубокое обучение
Курс предназначен для приобретения знаний и навыков в области глубокого обучения для работы с нейросетями. Курс детально разбирает нейросетевые архитектуры и практические способы создания моделей для классификации, обнаружения, сегментации и локализации объектов, генерации изображений и текстов, в т.ч. с применением предобученных сетей с их последующим дообучением и тонкой настройкой под конкретные предметные области.
Удостоверение о прохождении
Смотреть пример
40 академ. часов
Онлайн
Подробнее
О чём курс
В рамках данного курса слушатели приобретут знания о различных нейросетевых архитектурах и фреймворках для глубокого обучения, причем акцент сделан на практических приемах их использования, в т.ч. с помощью облачных платформ Google Colab и Kaggle.
Основное внимание курс уделяет сверточным нейронным сетям и их оптимизации, приемам обнаружения объектов на изображениях с их последующей классификацией, сегментацией и/или локализацией, способам обработки естественного языка, в т.ч. для генерации текстов и изображений, а также задачам обучения моделей с подкреплением.
Лабораторный практикум предусматривает создание нейросетей как в ходе занятий, так и в качестве домашних заданий, например, для распознавания объектов не только на базе классических датасетов типа FashionMNIST и CIFAR-10,но и на данных из реальной жизни (в частности, выявление и классификация опухолей на томограммах медицинских обследований и т.д.).
Основное внимание курс уделяет сверточным нейронным сетям и их оптимизации, приемам обнаружения объектов на изображениях с их последующей классификацией, сегментацией и/или локализацией, способам обработки естественного языка, в т.ч. для генерации текстов и изображений, а также задачам обучения моделей с подкреплением.
Лабораторный практикум предусматривает создание нейросетей как в ходе занятий, так и в качестве домашних заданий, например, для распознавания объектов не только на базе классических датасетов типа FashionMNIST и CIFAR-10,но и на данных из реальной жизни (в частности, выявление и классификация опухолей на томограммах медицинских обследований и т.д.).
Цели
По завершении курса слушатели должны обладать знаниями и навыками в следующих областях:
- 1.классы задач, решаемых нейросетями
- 2. разновидности и специализации нейросетевых архитектур
- 3.работа с наиболее популярными и востребованными фреймворками для глубокого обучения
- 4.сверточные нейронные сети, в т.ч. их оптимизация и повышение производительности
- 5. классификация, сегментация, детектирование и локализация объектов на изображениях
- 6.способы обработки естественного языка, в т.ч. генерация текстов и изображений по запросу
- 7.обучение с подкреплением
Целевая аудитория
Специалисты, владеющие языком программирования Python 3 и основными методами машинного обучения.
Предварительная подготовка
Расписание курсов
Программа курса
01
Введение в искусственные нейронные сети. Современное применение нейронных сетей. Основные задачи: компьютерное зрение, обработка естественного языка, беспилотные агенты, генеративные сети, обучение с подкреплением и другие области.
02
Фреймворки для глубокого обучения (PyTorch, TensorFlow, Keras)
03
Сверточные нейронные сети
04
Оптимизация нейронной сети
05
Transfer learning & Fine-tuning
06
Обработка естественного языка
07
Сегментация и детектирование объектов
08
Генеративные сети
09
Обучение с подкреплением
10
Итого: теория – 14 ч (35%), практика – 26 ч (65%) + 30 ч на ДЗ
Курс проводят
Брейман Александр
Эксперт в области разработки и архитектуры ПО
Middle
О тренере
Александр занимается разработкой учебных программ, чтением лекций, проведением семинаров, практических и лабораторных работ. Под его руководством уже не один десяток специалистов успешно защитили выпускные квалификационные работы бакалавра и магистерские диссертации.
Среди его кейсов работа в ЗАО «ТИТАН МЕТА», Московском государственном университете приборостроения и информатики, Национальном исследовательском университете «Высшая школа экономики» и Luxoft Training.
Александр – кандидат технических наук, доцент. С 1991 г. занимается разработкой информационных и коммуникационных систем, за это время прошел путь от программиста до начальника отдела информационных систем.
С 1994 г. преподает дисциплины, связанные с управлением данными, проектированием информационных систем и разработкой программного обеспечения.
С 2014 г. Александр являлся штатным экспертом Luxoft Training по направлению «Разработка и архитектура ПО, СУБД Oracle», где занимается проведением тренингов, разработкой тренинговых программ и развитием данного направления.
Курсы, сертификаты, членство в профессиональных организациях:
2009 г. — повышение квалификации в Московском государственном университете приборостроения и информатики по программе «Информационная компетентность в профессиональной деятельности преподавателя вуза».
2011 г. — повышение квалификации в Информационно-Вычислительном Центре Московского энергетического института (технического университета) по программе «Современные технологии построения баз данных на примере Microsoft SQL Server 2008. Web-приложения и современные средства разработки. Современные технологии построения компьютерных сетей с использованием Microsoft Windows Server 2008 R2».
2024 г. — Сертифицированный тренер PostgreSQL по курсу DBA1 «Администрирование PostgreSQL 13. Базовый уровень».
Курсы и сертификаты
Александр является членом организаций:
- IEEE, IEEE Computer Society (Institute of Electrical and Electronics Engineers / Институт инженеров электротехники и электроники).
- ACM, ACM SIGMOD (Association for Computing Machinery / Ассоциация вычислительной техники).
Записаться на курс
49 900 ₽
44 910 ₽ — для физ. лиц
Юр. лицо — 49 900 ₽
Физ. лицо — 44 910 ₽
08.09.2025, Онлайн
08.09.2025, Онлайн
Открытая дата
Наши ученики работают в:
Наши клиенты
