Формат обучения
Онлайн
Уровень на выходе
Миддл+
Для кого
Дата-сайентистов, инженеров данных, программистов и разработчиков
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
Кому подойдёт этот курс
Для дата-сайентистов
Глубже разберёте работу с нейронками, чтобы браться за более сложные и интересные задачи
Для программистов и разработчиков
Смените траекторию и войдёте в перспективную сферу. Практические задания включите в резюме
Для инженеров данных
Получите инструменты для углубления навыков и сможете перейти в команду создания дата-продуктов на уровне middle+
Чему вы научитесь
Работать с многомерными свёртками
Padding & stride, Pooling и LeNet. AlexNet, VGG, NiN, GoogLeNet, ResNet и DenseNet станут рабочими инструментами, а не запросами в поисковике
Реализовывать NLP с нуля
От классических RNN, GRU и LSTM до топовых Encoder-Decoder архитектур. Токенизация, словари, символы и подробный разбор различных реализаций сетей
Отличать дескриминатор от генератора
Обучите генератор выбирать данные из линейной регрессии. Реализуете сеть генерации покемонов и обучите её
Управлять историей
И это не только про ваш прогресс в обучении: овладеете конкурентным преимуществом в задачах с использованием Beam-Search и Teacher Forcing
State-of-art сегментации
Готовы к прикладным задачам: Object Detection, Object Localization, Bounding boxes и AnchorBoxes. Углубитесь в CNN
Строить языковые модели
NLP в 2019 году растёт быстрее остальных сетей. NER и машинный перевод: от Word2Wec до определения тональности и преобразования текста
Содержание курса
Напомним, что важно знать и уметь, чтобы учиться на курсе:
— уметь программировать на Python;
— знать основы машинного обучения (терминология, основные метрики, которые используются при решении задач машинного обучения: accuracy, precision, recall, MSE);
— знать библиотеки pandas, numpy, sklearn.
Python & NumPy & etc
Линейная алгебра
Дифференцирование
Тервер и матстат
Теорема Байеса
Изучите основны глубокого машинного обучения. Научитесь работать с тензорами, строить простейшую нейронную сеть и цикл обучения сети.
Линейная регрессия
Логистическая регрессия
Персептрон
Научитесь строить многослойную сеть со слоями для регуляризации и использовать различные оптимизаторы.
Многослойный персептрон
Переобучение & недообучение
Регуляризация
Градиентный спуск
Научитесь использовать различные элементы архитектур для проектирования и создания сетей, изучите предобученные сети — Fine-tuning.
Свёртки
Padding and stride
Pooling
LeNet
Изучите основные этапы развития свёрточных сетей и применяемые подходы и архитектуры.
AlexNet
VGG
NiN
GoogLeNet
ResNet
DenseNet
Будьте первым кто оставит отзыв.
Оставить отзыв можно только с предоставлением сертификата о прохождении курса.
Похожие курсы
