Курс посвящен теоретическим и практическим основам работы с нейронными сетями. В курсе вы узнаете как устроены полносвязные, сверточные и рекуррентные нейронные сети, как они обучаются. Конечно, про трансформеры и attention mechanism вы тоже узнаете! Также вы познакомитесь с фреймворком PyTorch и напишете на нем свои первые нейронные сети.
Чему вы научитесь:
- Вы поймете зачем нужны нейронные сети
- Как устроены и обучаются полносвязные, сверточные и рекуррентные нейронные сети
- Узнаете о различных фреймворках для работы с нейронными сетями и научитесь использовать PyTorch для создания и обучения сетей
- Узнаете как работают трансформеры и причем здесь механизм внимания
- Подготовитесь отвечать на вопросы с собеседований на позицию Data Scientist по пройденным темам
Цель курса: познакомить слушателей с основами области Deep Learning и дать им теоретическую и практическую базу для дальнейшего изучения нейронных сетей.
Курс состоит из нескольких уроков, в каждом из которых рассказывается необходимая теория, подкрепленная примерами из практики. Также в большинстве уроков есть домашнее задание для закрепления пройденного материала.
В конце курса вас ждет модуль, в котором мы подготовим вас к ответам на вопросы с собеседований на позицию Data Scientist по темам курса.
Для кого этот курс:
- Курс будет интересен слушателям, знакомым с областью машинного обучения и желающим начать фундаментально изучать глубинное обучение.
- Курс содержит необходимые знания для освоения следующих курсов, посвященных различным приложениям глубинного обучения («Продвинутые методы глубинного обучения», «Генеративные модели» и другие).
Программа курса
- Организация курса
- Полносвязные нейронные сети
- Обучение нейронных сетей
- Введение в PyTorch
- Ускорение обучения и снижение переобучения
- Основы обработки естественного языка
- Основы компьютерного зрения
- Современное компьютерное зрение
- Рекуррентные нейронные сети
- Attention
- Трансформеры: теория
- Вопросы с собеседований
Наши преподаватели:
- Елена Кантонистова. Кандидат физико-математических наук, выпускница школы анализа данных Яндекса (ШАД)
- Евгений Паточенко. Специалист по машинному обучению, преподаватель НИУ ВШЭ.
- Марк Блуменау. Исследователь в областях компьютерного зрения, физики Солнца и квантовых материалов. Преподаватель НИУ ВШЭ.
