Машинное обучение: нейросети и глубокое обучение

Для участия в соревнованиях Kaggle по классификации и сегментации изображений требуется понимание работы глубоких нейронных сетей — здесь на практике разбирается путь от исследовательского анализа данных до формирования итогового результата.

В материале подробно разбирается архитектура сверточных (CNN), остаточных (ResNet) и пирамидальных сетей, а также использование моделей MobileNet, Unet, PSPNet и FPN для сегментации. Особое внимание уделено инструментам повышения точности: оценке через коэффициент Дайса, F1-метрике, аугментации бинарных данных и построению ансамблей моделей. Курс ориентирован на Python-разработчиков и специалистов по анализу данных, имеющих опыт в математической статистике и машинном обучении. В результате вы научитесь реализовывать полный цикл обработки данных для компьютерного зрения и внедрять современные архитектуры нейросетей в свои ML-проекты.