Нейросети на практике:
курс по глубокому обучению (Deep Learning)
курс по глубокому обучению (Deep Learning)
Факультет дополнительного профессионального образования ГУАП
Получите комплексное понимание нейронных сетей и практические навыки работы с PyTorch и TensorFlow
Курс поделен на модули с презентациями и дополнительными материалами
5 модулей
15 000 руб.
Стоимость полного курса с материалами и выдачей удостоверения
Онлайн
Обучение проходит онлайн в удобное для вас режиме. Поддержка преподавателя
Презентация курса
Глубокое обучение - современный инструмент ИИ для решения сложных задач обработки изображений, текстов и временных рядов.
Курс дает комплексное понимание нейронных сетей и практические навыки работы с PyTorch и TensorFlow.
Программа предназначена для студентов старших курсов технических специальностей, начинающих Data Scientists, а также инженеров и аналитиков, имеющих базовые знания Python и знакомых с основами машинного обучения.
Важной частью обучения является практическая работа: слушатели будут применять полученные знания для решения реальных задач на реальных данных. Итогом курса станет завершенный проект, демонстрирующий умение разрабатывать модели глубокого обучения.
Курс дает комплексное понимание нейронных сетей и практические навыки работы с PyTorch и TensorFlow.
Программа предназначена для студентов старших курсов технических специальностей, начинающих Data Scientists, а также инженеров и аналитиков, имеющих базовые знания Python и знакомых с основами машинного обучения.
Важной частью обучения является практическая работа: слушатели будут применять полученные знания для решения реальных задач на реальных данных. Итогом курса станет завершенный проект, демонстрирующий умение разрабатывать модели глубокого обучения.
Автор курса – Раскопина Анастасия Сергеевна –ассистент кафедры прикладной информатики ГУАП. Дисциплины: ИТ-модуль "Инженер по тестированию", Машинное обучение
Преимущества обучения:
Цель обучения
Этот курс для вас, если вы хотите получить практические навыки работы с современными технологиями глубокого обучения. Вы научитесь разрабатывать и внедрять нейросетевые модели для решения реальных задач в области компьютерного зрения, обработки естественного языка и прогнозной аналитики.
ВАЖНО: Для успешного освоения курса необходимо владеть основами программирования на Python.
ВАЖНО: Для успешного освоения курса необходимо владеть основами программирования на Python.
Задачи обучения
Программа построена как последовательное погружение в технологии глубокого обучения. На первом этапе вы освоите теоретические основы архитектур нейронных сетей, принципы их обучения и методы оптимизации. Далее вы перейдете к практической работе с популярными фреймворками TensorFlow и PyTorch.
Завершающий этап посвящен реализации собственных проектов и изучению методов внедрения моделей.
Завершающий этап посвящен реализации собственных проектов и изучению методов внедрения моделей.
Программа курса
Для освоения программы «Нейросети на практике: курс по глубокому обучению (Deep Learning)» (32 часа) вам необходимо выделять около 5-6 часов в неделю (всего 6 недель обучения): изучение лекций и прохождение тестов.
Основная учебная нагрузка включает самостоятельную работу с теоретическими материалами и практическими заданиями. Каждый модуль завершается проверочным тестом.
В завершение курса вы разработаете итоговый проект под онлайн-курацией преподавателя.
Основная учебная нагрузка включает самостоятельную работу с теоретическими материалами и практическими заданиями. Каждый модуль завершается проверочным тестом.
В завершение курса вы разработаете итоговый проект под онлайн-курацией преподавателя.
Нейрон и его структура, Основы глубокого обучения, Выбор параметров, Регуляризация, Функция ошибки, Градиентный спуск, Оптимизаторы
Сверточные фильтры, MaxPooling, функция активации, BatchNormalization, Проблема градиентов, Предобученные модели
Архитектура RNN, Архитектура LSTM ,Архитектура GRU ,Архитектура LSTM с функцией подглядывания, Архитектура Minimal Gated Unit, Архитектура Bidirectional recurrent neural network
Токенизация, Нормализация, Векторизация, Трансформеры, Механизм внимания
Аугментация изображений, Семантическая сегментация, Архитектура U-Net, Transfer Learning в компьютерном зрении, Мультиклассовая классификация изображений, YOLO , Компьютерное зрение в реальном времени
Автор курса
Раскопина Анастасия Сергеевна
Раскопина Анастасия Сергеевна
ассистент кафедры прикладной информатики Института информационных технологий и программирования ГУАП. Преподаваемые дисциплины: ИТ-модуль "Инженер по тестированию", Машинное обучение
Об институте:
Институт является ведущим в университете в области компьютерных наук и их приложений. Выпускники института – это специалисты, бакалавры и магистры в области вычислительных машин, комплексов, систем и сетей, программного обеспечения вычислительной техники и автоматизированных систем, математического обеспечения и администрирования информационных систем, математического моделирования, информатики и вычислительной техники, электронных устройств и систем.
Сегодня обучение в институте сочетает все аспекты подготовки в области IT – от микропроцессорных систем до виртуальной и дополненной реальности.
Институт является ведущим в университете в области компьютерных наук и их приложений. Выпускники института – это специалисты, бакалавры и магистры в области вычислительных машин, комплексов, систем и сетей, программного обеспечения вычислительной техники и автоматизированных систем, математического обеспечения и администрирования информационных систем, математического моделирования, информатики и вычислительной техники, электронных устройств и систем.
Сегодня обучение в институте сочетает все аспекты подготовки в области IT – от микропроцессорных систем до виртуальной и дополненной реальности.
Этапы обучения на курсе
Старт. Вы регистрируетесь на участие и мы высылаем Вам информацию об обучении. Для зачисления на курс необходимо предоставить документы (паспорт, СНИЛС), а также заполнить заявление.
Самостоятельное обучение. Вы изучаете материал самостоятельно на платформе LMS.
Материалы представлены в виде лекций: изучайте их где и когда вам удобно!
Материалы представлены в виде лекций: изучайте их где и когда вам удобно!
Контроль знаний. По итогам обучения необходимо пройти тестирование и выполнить проектную работу.
Это необходимо для подтверждения освоения программы и выдачи удостоверения.
Это необходимо для подтверждения освоения программы и выдачи удостоверения.
Получение удостоверения. Для получения удостоверения необходимо наличие среднего профессионального или высшего образования.
Документ об обучении:
Удостоверение о повышении квалификации (32 часа) Санкт-Петербургского государственного университета аэрокосмического приборостроения.
ВАЖНО:
Данный документ выдаётся слушателям, имеющим диплом о высшем или среднем профессиональном образовании.
Запишитесь на курс сейчас
Заполните и отправьте форму записи на курс, и мы свяжемся с вами для уточнения деталей