[OTUS] Нейронные сети на Python. Часть 1 [Артур Кадурин]
Что даст вам этот курс
Что даст вам этот курс
- В первых двух модулях курса мы разбираем всю необходимую теорию для дальнейшего погружения в глубокое обучение, изучаем основные фреймворки (PyTorch, Keras, Tensorflow) для разработки нейронных сетей и решаем классические задачи компьютерного зрения, обработки естественных языков и обучения с подкреплением.
- Третий модуль посвящен современным подходам к решению классических задач компьютерного зрения и обработки естественных языков. Мы узнаем, как от предсказательных моделей перейти к генеративным, научимся работать с нестандартными представлениями данных и решать задачи в условиях недостаточной разметки.
- В четвертом модуле обсуждаются подходы к решению задач, традиционно считавшихся “человеческими”. Мы поговорим о фантазии, подражании, использовании собственного опыта и неструктурируемых данных.
- Научитесь работать с нейронными сетями с использованием фреймворков PyTorch, Tensorflow, Keras
- Изучите теорию и практику по таким важным направлениям Deep Learning как Computer Vision, NLP, обучение с подкреплением
- Самый современный материал про глубокое обучение
- Программа подготовлена признанным экспертом по глубокому обучению
- Знание линейной алгебры, начала анализа и теории вероятностей.
- Владение языком программирования Python на уровне Junior (знать программирование на Python на базовом уровне необходимо, так как модели машины реализуются на Python).
Первые шаги
- Искусственный интеллект и другие задачи которые можно решать с помощью нейронных сетей
- Стохастический градиентный спуск и метод обратного распространения
- Первая нейронная сеть на PyTorch
- Переобучение и регуляризация нейронных сетей
- Первая нейронная сеть на Tensorflow
- Взрыв и затухание градиентов
- Погружение в Tensorflow
- Адаптивные методы градиентного спуска
- Основные архитектуры нейронных сетей: Автокодировщики
- Практическое занятие на TensorFlow. Разреженный Автокодировщик
- Основные архитектуры нейронных сетей: Сверточные сети
- Практическое занятие на Keras. Transfer Learning.
- Основные архитектуры нейронных сетей: Рекуррентные сети
- Практическое занятие на PyTorch. Генерация Википедии.
- Введение в обучение с подкреплением
- Практическое занятие. Крестики-нолики
- Современные сверточные сети. Блоки и шорткаты.
- Современные рекуррентные сети. Внимание.
- Metric-learning и обучение без примеров
- Современные рекуррентные сети. Трансформеры.
- Современные сверточные сети. Transfer learning и fine-tuning
- Катастрофическое забывание.
- Глубокие сверточные сети. Сегментация
- Глубокие сверточные сети. Детекция
- Генеративные состязательные сети
- Вариационный и состязательный автокодировщики
- Доменная адаптация и условная генерация
- Генеративные модели для текстов
- Обратное обучение с подкреплением
- Глубокое обучение с подкреплением
- Сверточные и рекуррентные сети на графах
- Сферические свертки и множества точек
https://otus.ru/lessons/deep-learning-engineer/