up

Прикладные нейросети

12 March 2024 - 12 March 2029 г.
The course has already started
1731 days
Before the end of the enrollment
  • Russian

    course language

  • 4 weeks

    course duration

  • about 6 hours per week

    needed to educate

 

На курсе мы рассмотрим нейросети не с технической стороны, а с точки зрения их практического применения. Мы будем использовать так называемые предобученные модели – чтобы работать с ними не нужно дополнительных знаний или инструментов. Рассмотрим три типа задач:

  • Создание текстов (чат-модель);
  • Детекция объектов на изображениях;
  • Автоматическое распознавание речи.

 

Для каждой задачи подробно рассмотрим весь процесс – от обработки данных до загрузки и запуска самой модели.

About

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.

Format

Курс состоит из 4 недель. Каждая неделя содержит видеолекции и тестовые задания, а также материалы для самостоятельного изучения. В открытом доступе вы можете ознакомиться с видеолекциями и пройти тесты.

 

Requirements

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

Course program

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

Education results

  • 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.

Education directions

Косакин Даниил Юрьевич


Position: приглашенный преподаватель факультета компьютерных наук

Similar courses