Рекуррентные сети в NLP и приложениях
О чём курс
Рекуррентные нейронные сети (RNN) позволяют моделям «запоминать» контекст последовательностей, что делает их незаменимыми для работы с текстами, временными рядами и генерации контента. Внутри разбирается архитектура RNN и работа с ними через фреймворк PyTorch: от базовых концепций до реализации прикладных сервисов. Вы не просто изучите теорию, а создадите итоговый проект — полноценное приложение на FastAPI, которое использует обученную нейросеть. Курс ориентирован на тех, кто уже знаком с основами машинного обучения и нейросетями и хочет углубиться в Deep Learning для NLP.
Программа обучения
- Организация курса
- Основы NLP: recap
- Рекуррентные нейронные сети
- Введение в PyTorch
- Рекуррентные сети: практика — 1
- Рекуррентные сети: практика — 2
- Приложения RNN
- Ванильный веб-сервис на FastAPI
- Итоговый проект
Другие материалы автора 5
ЕК Елена Кантонистова Все материалыОтзывов пока нет. Будьте первым!
Это не розничная цена — это ваш взнос в складчину. Мы собираем группу участников и делим между ними стоимость официального доступа: каждый платит только свою долю, а получает весь материал. Чем больше участников, тем меньше взнос. После того как сумма собрана, мы оформляем официальный доступ и раздаём материалы всем, кто участвовал.
Нажмите кнопку «Получить доступ» на этой странице и следуйте инструкциям. Вас переведёт на форму оплаты — доступны все современные способы (карта, СБП, электронные кошельки). После оплаты на почту придёт письмо с доступом: материалы выдаются в разделе «Мои складчины» на нашем основном сайте skladchik.org. Учтите: в России skladchik.org открывается только через ускоритель интернета (VPN) — настроить его можно за пару минут по инструкции на skladchik-kak-voiti.online.
Да, конечно. Все материалы — видео, PDF, дополнительные файлы — можно скачать к себе на компьютер и пользоваться ими сколько угодно, без ограничений по времени. Ссылки остаются активными в вашей библиотеке «Мои складчины».