Каталог курсов
Избранное
Курс
Совместно с

Deep Learning

Углубите свои знания в работе с нейросетями

Отработаете навыки на практике: добавите 8 проектов в портфолио

Будете учиться при поддержке сообщества экспертов и менторов

Когда
16 октября — 30 декабря
Стартует через 4 дня
Не подходит дата старта? Запишитесь сейчас, а учитесь со следующим набором

Длительность

2,5 месяца

Формат

Вебинары, практические задания

30%
с 12.10 по 15.10

Наперекор осенней прохладе

Скидка уже включена в стоимость. Оплатите до 15 октября, чтобы скидка не сгорела.

Условия акции

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.

Andrew Ng, основатель Coursera, профессор Стэнфордского университета, бывший главный научный сотрудник Baidu и основатель Google Brain

По прогнозу Fortune Business Insights, объём мирового рынка искусственного интеллекта к 2027 году достигнет $266,9 млрд

Беспилотники, диагностика патологий по медицинским снимкам, мгновенный перевод, генерация текстов и голосовые помощники, имитирующие человеческую речь, — эти достижения в мире науки и технологий стали возможны благодаря глубокому обучению.

Кому подойдёт курс

Программистам

Разберётесь в инструментах машинного обучения, разовьёте системное мышление и сможете проявить себя в новой сфере

Аналитикам и дата-сайентистам

Углубите знания и навыки и начнёте решать принципиально новые задачи. Повысите свою ценность на рынке труда

Для обучения на этом курсе важно

Уметь программировать на Python, знать библиотеки Pandas, NumPy, Scikit-learn

Разбираться в основах и типах задач машинного обучения 

Владеть терминологией и понимать основные метрики машинного обучения: accuracy, precision, recall, MSE

Если вам не хватает базовых знаний для работы с нейросетями, рекомендуем пройти курсы «Машинное обучение» и «Data Scientist»

Чему вы научитесь

Работать с многомерными свёртками

Освоите инструменты Padding&stride, Pooling и LeNet. AlexNet, VGG, NiN, GoogLeNet, ResNet и DenseNet

Генерировать тексты и изображения

Научите компьютер создавать картины и литературные произведения, вдохновляясь великими мастерами своего дела

Реализовывать NLP с нуля

Сможете строить классические RNN, GRU и LSTM и Encoder-Decoder-архитектуры. Познакомитесь с ячейками (GRU/LSTM) и эмбедингами

Находить объекты на картинке

Будете решать прикладные задачи: Object Detection, Object Localization, Bounding boxes и AnchorBoxes. Углубитесь в CNN

Отличать дескриминатор от генератора

Обучите генератор выбирать данные из линейной регрессии. Реализуете сеть генерации покемонов и обучите её

Строить языковые модели

Познакомитесь с NER и машинным переводом: от Word2Wec до определения тональности и преобразования текста

Вас ждут проекты, которые можно добавить в портфолио

За время обучения вы подготовите 15 домашних заданий и итоговую работу

Классификатор для FashionMNIST
Нейросеть будет распознавать предметы одежды — отличный задел для стартапа

Направление Нетологии «Аналитика и Data Science» — обладатель «Премии Рунета» в номинации «Образование и кадры» в 2019 году

Программа обучения — 2,5 месяца

38 часов теории и 65 часов практики

Скачать программу

 Вебинары с экспертами в прямом эфире проходят 1−2 раза в неделю, начинаются в промежутке с 19:00 до 20:00 МСК

На лекции и практические задания понадобится 10 часов в неделю

Записи вебинаров, видеолекции и другие полезные материалы хранятся в личном кабинете 

Чтобы программа соответствовала запросам рынка труда, мы проводим 3 этапа исследований

Основы нейронных сетей

Познакомитесь с базовыми элементами нейронной сети. Научитесь строить простые модели для решения задач регрессии и классификации.

3 часа теории

3 часа практики

Линейная регрессия

Логистическая регрессия

Построение простой нейронной сети

Многослойная нейронная сеть

Узнаете принципы построения многослойной нейронной сети. Поймёте, как оценить качество обучения. Познакомитесь с понятием переобучения нейросети, изучите разные методы оптимизации нейронных сетей: градиентный спуск и его основные модификации. Изучите основные способы регуляризации нейронных сетей: ранняя остановка, L1/L2, dropout, batch normalization.

3 часа теории

3 часа практики

Многослойный персептрон

Оценка качества модели

Градиентный спуск и его модификации

Регуляризация нейронных сетей

Свёрточные сети

Узнаете, как работает свёрточная операция. Разберётесь, как повысить устойчивость сетей к сдвигам и трансформациям с помощью пулинга (pooling). Познакомитесь с первой свёрточной сетью LeNet.

2 часа теории

3 часа практики

Что такое свёрточная операция и как она работает

Padding и stride

Pooling

LeNet

Архитектуры свёрточных сетей

Познакомитесь с различными архитектурами свёрточных сетей: LeNet, AlexNet, VGG, NiN, GoogLeNet, ResNet. 

2 часа теории

3 часа практики

Архитектуры свёрточных сетей:

LeNet

AlexNet

VGG

Network in network (NiN)

GoogLeNet

Residual Network (ResNet)

DenseNet

Улучшение качества обучения нейросетей
Научитесь использовать в коде различные методы аугментации и Transfer Learning для улучшения обучения сети.

2 часа теории

3 часа практики

Аугментации

Динамическое изменение learning rate (LR Schedulers)

Transfer learning: fine tuning, feature extractors

Архитектуры Feature extractors: VGG, EfficientNet, MobileNet

Рекуррентные сети

Поймёте, как построить языковые модели. Узнаете, зачем нужны рекуррентные нейронные сети и как они работают. Рассмотрите виды рекуррентных нейронных сетей: GRU и LSTM. Сгенерируете текст при помощи нейросети. Узнаете, как строить более глубокие RNN. Познакомитесь с двунаправленными RNN (bidirectional RNN). Узнаете о возможностях Residual Connections для RNN. Изучите архитектуру модели Encoder-decoder, познакомитесь с понятием информационный bottleneck. Потренируетесь решать задачи машинного перевода на основе рекуррентных сетей.

8 часов теории

9 часов практики

Языковые модели

Обучение рекуррентных нейросетей

GRU и LSTM

Генерация текста

Deep RNN

BiRNN

Residual Connections

Encoder-Decoder архитектура

Машинный перевод

Механизм внимания

Познакомитесь с механизмом внимание (attention) и его основными видами: dot-product, линейная модель, аддитивная модель, self-attention и multi-head attention. Изучите два способа реализации внимания: на скалярном произведении и на MLP. Узнаете, как attention привёл к появлению архитектуры Transformer.

2 часа теории

3 часа практики

Виды внимания

Трансформер

Компьютерное зрение

Изучите основные датасеты и метрики качества для решения задач визуального обнаружения объектов и распознавания изображений. Познакомитесь с подходами к детектированию объектов: Region Based, YoLo, SSD. Узнаете, что такое семантическая сегментация. Познакомитесь с архитектурами SegNet и U-Net. Узнаете различные методы модификации изображений: технология Deep dream, матрица Грама, генерация текстур, Neural style transfer.

7 часов теории

9 часов практики

Задача детекции

Архитектуры Region Based, YoLo и SSD

Семантическая сегментация

Архитектуры SegNet и U-Net

Модификации изображений

Работа с текстом

Познакомитесь с понятием «векторное представление слов» (word embedding) и основными методами построения векторов слов: SVD, Word2vec. Узнаете, что такое transfer learning и как оно используется в NLP. Познакомитесь с основными предобученными текстовыми моделями: ELMo, BERT и его вариациями, GPT. Сможете решать задачи классификации, межъязыкового семантического поиска и генерации продолжения текста.

4 часа теории

6 часов практики

Векторные представления слов

Сингулярное разложение (SVD)

Word2Wec

FastText

Модель ELMo

BERT и его вариации

GPT

Генеративные состязательные сети (GAN)

Научитесь применять обычные и вариационные автоэнкодеры и строить архитектуру генеративных состязательных сетей (Generative Adversarial Networks, GAN). Создадите генератор лиц аниме с использованием GAN. Познакомитесь с глубоким обучением с подкреплением.

3 часа теории

3 часа практики

Автоэнкодеры

Вариационные автоэнкодеры (VAE)

Генеративные состязательные сети (GAN)

Типы генеративных состязательных сетей

Проблемы генеративных состязательных сетей

Глубокое обучение с подкреплением

Итоговый проект

Вы самостоятельно выбираете задачу и тему проекта и работаете над ним под руководством преподавателей курса. В результате защитите диплом перед экспертом.

2 часа теории

20 часов практики

По итогам курса вы обучите нейросеть решать реальную задачу

Классификация или генерация продолжения текстов, распознавание или сегментация объектов на фото и видео, машинный перевод — тему диплома вы выбираете самостоятельно. Можно взять реальный кейс от нашего партнёра — Dodo Brands.

Вы будете работать над проектом в течение месяца под руководством экспертов программы.

Преподаватели — эксперты ведущих компаний

Как проходит обучение

.01

Изучаете материалы в личном кабинете

Занятия включают в себя вебинары, видеолекции, практические задания, тесты и квизы. Вы занимаетесь по расписанию, но всегда можете вернуться к началу. Записи занятий хранятся в личном кабинете 3 года.

Все уроки теперь и в мобильном приложении

Мы разработали платформу для смартфонов, чтобы вы могли учиться в спортзале, самолёте, на даче или в пути.

  • Учитесь, где нравится 

    Доступ к учебным материалам всегда под рукой: это экономит ваши ресурсы

  • Занимайтесь даже без интернета

    Можно скачать материалы на телефон и учиться даже там, где плохая связь

  • Получайте подсказки по дедлайнам

    Приложение работает как помощник: напомнит про домашнюю работу или вебинар

  • Загружайте задания с телефона

    Удобно отслеживать статус практических работ и отвечать на комментарии преподавателя

Ваше резюме после обучения

Deep Learning Expert

    Ключевые навыки

  • Строить простые модели для решения задач регрессии и классификации

  • Находить объекты на изображениях

  • Обучать языковые модели

  • Работать с механизмом внимания

  • Применять подходы к улучшению качества сетей

  • Решать задачи машинного перевода на основе рекуррентных сетей

  • Использовать различные методы модификации изображений

  • Решать задачи классификации, межъязыкового семантического поиска и генерации продолжения текста

Инструменты

Многослойные нейронные сети

Многослойные нейронные сети

Основные виды градиентного спуска, включая Adam, RMSProp, Momentum, SGD. Регуляризация, DroupOut и BatchNorm на примере классификации MNIST

Свёрточные сети и архитектура

Свёрточные сети и архитектура

Свёртки и методы Padding & stride, Pooling и LeNet применительно к AlexNet, VGG, NiN, GoogLeNet, ResNet. Аугментация и TransferLearning. Языковые модели в RNN, GRU и LSTM

Алгоритмы внимания

Алгоритмы внимания

Понимание идеи attention. Dense-Attention для encoder-decoder архитектуры. Beam-Search

Компьютерное зрение

Компьютерное зрение

Сегментация vs Object Detection vs Object Localization и Bounding boxes vs AnchorBoxes. SSD и все продуктивные CNN. Семантическая сегментация и подготовка датасетов. Перенос стилей

Работа с текстом

Работа с текстом

Embeddings, Word2Wec, FastText, Glove и языковые модели. Обучение классификатора для прогнозирования вероятности следующего слова. Решение задач NER. Архитектуры Transformer, Bert, Elmo

GAN

GAN

Понимание базовой архитектуры, идеи дискримиантора и генератора. Очень много практики на генерацию изображений и объектов

Ваши навыки подтвердит удостоверение о повышении квалификации

Мы обучаем по государственной лицензии и выдаём документы установленного образца.

Вернём деньги, если обучение не подойдёт

Деньги можно вернуть в любой момент. В течение первых трёх занятий вернём вам полную сумму, а начиная с четвёртого — рассчитаем сумму возврата или поможем выбрать другой курс взамен.

Подробные условия

30%
с 12.10 по 15.10

Наперекор осенней прохладе

Скидка уже включена в стоимость. Оплатите до 15 октября, чтобы скидка не сгорела.

Условия акции
1
Запись на обучение
2
Выбор способа оплаты
3
Оплата
...
2 месяца обучения, старт 16 октября
Запишитесь на курс 
Частями без переплат
2 916 ₽/месяц
4 166 на 18 месяцев
Одним платежом
со скидкой 5%
49 900
 ₽
75 000
-30%
акция действует
до 15 октября
Кешбэк 5% бонусами СпасибоКешбэк 5%
бонусами Спасибо
при оплате картой Сбера
Нажимая кнопку, принимаю условия политики и пользовательского соглашения
Вернём деньги, если обучение не подойдёт
Возможность получить налоговый вычет — 13%
2 месяца обучения, старт 16 октября
Deep Learning
Частями без переплат
2 916 ₽/месяц
4 166 на 18 месяцев
Одним платежом
со скидкой 5%
49 900
 ₽
75 000
-30%
акция действует
до 15 октября
Кешбэк 5% бонусами СпасибоКешбэк 5%
бонусами Спасибо
при оплате картой Сбера
Вернём деньги, если обучение не подойдёт
Возможность получить налоговый вычет — 13%
Запишитесь на курс 
Нажимая кнопку, принимаю условия политики и пользовательского соглашения

Отвечаем на вопросы

  • Как оформить рассрочку, какие условия предоставления рассрочки?

    Рассрочку без переплат можно оформить через Сбер, Т-Банк и другие банки-партнёры на сроки от 6 до 36 месяцев. Решение о предоставлении рассрочки принимает банк.

  • Что такое оплата частями?

    Оплата частями — сервис, который помогает разбить стоимость покупки на равные части и выплачивать их в течение нескольких месяцев (от 2 до 24). Покупателю не нужно заключать кредитный договор. При использовании этого сервиса возможна переплата.

Учитесь из любой точки
в любое время
Развивайте профессиональные навыки в онлайн-формате
Москва
Санкт-Петербург
Новосибирск
Екатеринбург
Казань
Нижний Новгород
Красноярск
Челябинск
Самара
Уфа
Ростов-на-Дону
Краснодар
Омск
Воронеж
Пермь
Волгоград
Саратов
Тюмень
Тольятти
Барнаул
Махачкала
Ижевск
Хабаровск
Ульяновск
Иркутск
Владивосток
Ярославль
Томск
Ставрополь
Кемерово
Набережные Челны
Оренбург
Новокузнецк
Балашиха
Рязань
Чебоксары
Пенза
Липецк
Калининград
Ташкент
Баку
Минск
Алматы
Ереван
Бишкек