Прикладные нейросети

Цели курса:
1. Дать слушателям общее представление о возможностях использования предобученных нейросетей;
2. На примере трех задач продемонстрировать общий принцип работы с предобученными нейросетями;
3. По каждой из трех задач дать общее представление о домене и работе с соответствующими ему данными (текст, аудио, изображения).

В рамках каждой из трех тем будут выданы дополнительные материалы, которые могут быть полезны заинтересованным в дальнейшем изучении данного домена — а именно его технической составляющей и о смежных представленной в рамках данной недели задачах.

Курс разработан совместно с Факультетом компьютерных наук.

Курс состоит из 4 недель. Каждая неделя содержит видеолекции и тестовые задания. Доступ к курсу предоставляется бесплатно. Сертификат по курсу не выдается.

Для успешного прохождения курса рекомендуется обладать уверенным знанием языка программирования Python.

1. Введение в машинное обучение и нейросети.
2. Модели для текстовых данных.
3. Модели для аудиоданных.
4. Модели для изображений.

• Слушатель умеет определять возможности и сложности применения различных алгоритмов машинного обучения.
• Слушатель имеет общие знания о текстовом домене, методах обработки текстовых данных, общее представление об архитектурах соответствующих моделей, а также умеет работать с предобученными диалоговыми моделями.
• Слушатель имеет общие знания о домене аудио, методах обработки аудио данных, общее представление об архитектурах соответствующих моделей, а также умеет работать с предобученными моделями автоматического распознавания речи.
• Слушатель имеет общие знания о домене изображений, методах обработки изображений в Python, общее представление об архитектурах соответствующих моделей, а также умеет работать с предобученными моделями по классификации изображений и детекции объектов.