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.
40 ак.ч.
Онлайн
EAS-029
Нейронные сети и глубокое обучение
Записаться на курс
Длительность
40 ак.ч.
Локация
Онлайн
Код
EAS-029
Расписание и цены
10.02.2025 - 21.02.2025
49 900 руб.
* Для физических лиц действует скидка 10% Закажите корпоративное обучение с учетом ваших потребностей
Нейронные сети и глубокое обучение
Записаться на курс
Длительность
40 ак.ч.
Локация
Онлайн
Код
EAS-029
Расписание и цены
10.02.2025 - 21.02.2025
49 900 руб.
* Для физических лиц действует скидка 10% Закажите корпоративное обучение с учетом ваших потребностей

Описание

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.).

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

Уверенное владение языком Python3 и популярными модулями для обработки численных данных (numpy, scikit-learn, matplotlib и т.д.)

Основы линейной алгебры и дифференциального исчисления

Основы теории вероятностей и статистического анализа

Разбираемые темы

  • 1.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. [Теория – 1 ч., ДЗ – 4 ч.]

    • Архитектуры нейронных сетей. Нейрон, веса, функции активации, обучение

    • Области применения нейронных сетей

    • Основные классы задач, решаемых сетями

  • 2.Фреймворки для глубокого обучения (PyTorch, TensorFlow, Keras) [Теория – 2 ч., практика – 4 ч.]

    • Методы оптимизации, метрики, функции потерь, управление гиперпараметрами

    • Тензоры, переменные, градиенты, функции, модели, обучение

    • Устройство TensorFlow и PyTorch, модели и виды слоев в Keras

  • 3.Сверточные нейронные сети [теория – 2 ч., практика – 3 ч., ДЗ – 4 ч.]

    • Архитектура CNN. Фильтры, пулинг, 1D/2D/3D

    • Обучение сверточных сетей

    • Идеи удачных архитектур: AlexNet, VGG, Inception, ResNet

  • 4.Оптимизация нейронной сети [теория – 1 ч., практика – 3 ч., ДЗ – 4 ч.]

    • Алгоритм градиентного спуска и его варианты

    • Регуляризация, Dropout, Batch Normalization

  • 5.Transfer learning & Fine-tuning [теория – 1 ч., практика – 2 ч., ДЗ – 4 ч.]

    • Способы доучивания сетей: полные и частичные

    • Использование предобученных сетей в других задачах

  • 6.Обработка естественного языка [теория – 2 ч., практика – 3 ч., ДЗ – 4 ч.]

    • Виды задач: классификация, разметка, генерация, seq2seq

    • Представления слов и текстов. Эмбеддинги. Word2Vec, FastText

    • Языковые модели. ELMo, *BERT

    • Трансформеры, механизм внимания, GPT, XLNet

  • 7.Сегментация и детектирование объектов [теория – 2 ч., практика – 4 ч., ДЗ – 4 ч.]

    • Сети для сегментации изображений

    • Сети для детектирования объектов на изображениях

  • 8.Генеративные сети [теория – 1 ч., практика – 3 ч., ДЗ – 2 ч]

    • GAN для генерации изображений

    • Диффузионные модели. Stable Diffusion

  • 9.Обучение с подкреплением [теория – 2 ч., практика – 4 ч., ДЗ – 4 ч.]

    • Принципы обучения с подкреплением и основные подходы. Q-обучение

    • Глубокое обучение с подкреплением

  • Итого: теория – 14 ч (35%), практика – 26 ч (65%) + 30 ч на ДЗ

  • Развернуть программу
Раcписание курсов
Вид:
10.02.2025 - 21.02.2025
10:00-14:00
Локация:Онлайн
Длительность:40 ак.ч.
Время:10:00-14:00
49 900 руб.
Записаться
Смотреть полное расписание
Тренеры
Брейман Александр
Эксперт в области разработки и архитектуры ПО
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 является штатным экспертом Luxoft Training по направлению «Разработка и архитектура ПО, СУБД Oracle», где занимается проведением тренингов, разработкой тренинговых программ и развитием данного направления.

О проектах:

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.

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».

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).


Ваши преимущества
Экспертность
Тренеры-эксперты из реальных проектов крупнейших компаний, лидеров в своей отрасли
Живое обучение
“Живая” коммуникация с тренером даже в онлайн-формате
Практика
Максимально наполненные практикой занятия, работа в группах, выполнение домашних заданий
Пользователь только что записался на курс ""
Спасибо!
Форма отправлена успешно.