Нетология

Deep Learning

  • Начальный уровень
  • Наставник: Нет
  • Сертификат: Нет
  • Формат: Online
  • Рассрочка: Нет
  • Язык: Русский
  • Осталось мест: не ограничено
Записаться

Deep Learning

Глубокое обучение — это суперсила : С его помощью вы можете заставить компьютер видеть, создавать новые произведения искусства, переводить на разные языки, ставить диагноз или создавать механизмы, которые могут управлять сами собой. Если не это суперсила, я даже и не знаю — что это тогда. Эндрю Ын , основатель Coursera, профессор Стэнфордского университета; бывший главный научный сотрудник Baidu и основатель Google Brain

Для кого этот курс?
  • Алексей Миронов
    Ведущий инженер по разработке, «ДомКлик»
Программа обучения
Пререквизиты
  • Python & NumPy & etc
  • Линейная алгебра
  • Дифференцирование
  • Тервер и матстат
  • Теорема Байеса
Персептрон
  • Линейная регрессия
  • Логистическая регрессия
  • Персептрон
Многослойная нейронная сеть
  • Многослойный персептрон
  • Переобучение & недообучение
  • Регуляризация
  • Градиентный спуск
Свёрточные сети
  • Свёртки
  • Padding and stride
  • Pooling
  • LeNet
Современные свёрточные архитектуры
  • AlexNet
  • VGG
  • NiN
  • GoogLeNet
  • ResNet
  • DenseNet
Рекуррентные сети
  • Обработка текстов
  • Рекуррентная сеть
  • Backpropagation through time
  • Проблемы классических RNN
  • GRU и LSTM
  • Различные типы задач recurrent-networks
  • Deep RNN
  • BiRNN
  • Encoder-Decoder архитектура
Механизм внимания
  • Attention
  • Beam Search
Компьютерное зрение
  • Object Detection
  • Region Based CNN
  • Семантическая сегментация и подготовка датасета
  • Deconvolution (Transposed Convolution)
  • Fully Convolutional Network
  • Перенос стиля
  • Определение пород собак
Работа с текстом
  • Embeddings
  • Word2Wec
  • FastText
  • Transformer
  • Bert
  • Elmo
GAN
  • Базовая архитектура
  • Идея дискриминатора и генератора
Итоговый проект
Знания и навыки, которые приобретете
  • Владение понятиями объяснительного интеллекта
  • Умение интерпретировать прогнозируемые значения
  • Опыт разработки устройств на базе плис – xilinx
  • Опыт работы с ddr
  • Опыт работы с интерфейсами ethernet, uart, spi, i2c,usb,rs-232
  • Опыт работы с vhdl\verilog