Практический Deep Learning

О чём курс

Елена Кантонистова, Евгений Паточенко и Марк Блуменау разбирают теоретические и практические основы работы с нейронными сетями: от базовой архитектуры моделей до трансформеров и реализации решений на фреймворке PyTorch. Слушатели изучают устройство и принципы обучения полносвязных, свёрточных и рекуррентных сетей, знакомятся с механизмом внимания и пишут свои первые нейросети.

Программа охватывает прикладные задачи в области компьютерного зрения и обработки естественного языка, методы ускорения обучения и способы снижения переобучения. Отдельный блок направлен на подготовку к техническим собеседованиям на позицию Data Scientist по разобранным темам.

Формат занятий

Курс состоит из уроков, где теоретическая часть подкрепляется примерами из практики. В большинстве уроков предусмотрены домашние задания для самостоятельного закрепления материала. Новые модули выходят каждые две недели.

Для кого

Материал рассчитан на тех, кто уже знаком с основами классического машинного обучения и хочет перейти к фундаментальному освоению глубинного обучения. Полученная база готовит к изучению специализированных курсов по генеративным моделям и продвинутым методам Deep Learning.

Преподаватели

• Елена Кантонистова — кандидат физико-математических наук, выпускница Школы анализа данных Яндекса (ШАД).
• Евгений Паточенко — специалист по машинному обучению, преподаватель НИУ ВШЭ.
• Марк Блуменау — преподаватель НИУ ВШЭ, исследователь в областях компьютерного зрения, физики Солнца и квантовых материалов.