Программирование глубоких нейронных сетей на Python

В курсе «Программирование глубоких нейронных сетей на Python» рассматривается применение нейросетей для решения прикладных задач компьютерного зрения и анализа текстов. 
Вы узнаете, как устроена модель искусственного нейрона и нейронной сети, а также как обучать нейронную сеть решать задачи анализа данных. Будут рассмотрены популярные в настоящее время архитектуры нейронных сетей: сверточные, сети долго-краткосрочной памяти (LSTM) и управляемые рекуррентные блоки (GRU).
Отличительная особенность курса – практическая направленность. Курс включает как изучение теоретических материалов, так и большое количество практических заданий на разработку программ обучения нейронных сетей. Программы мы будем писать на Python с использованием готовых библиотек TensorFlow и Keras. Вы обучите нейронные сети для распознавания моделей одежды, классификации объектов на изображениях, анализа тональности текстов, автоматической генерация текста. Вы научитесь использовать бесплатную облачную платформу Google Colaboratory для обучения нейронных сетей.

Видео-лекции, скринкасты, тестовые, интерактивные и проектные задания

Умение программировать на любом высокоуровневом языке, желательно Python.
Базовые знания высшей математики: производные, операции с матрицами и векторами

Раздел 1. Основы программирования нейронных сетей
Тема 1.1.  Введение в тематику искусственных нейронных сетей
Тема 1.2. Модель искусственного нейрона.  Общее представление об искусственной нейронной сети
Тема 1.3. Библиотеки для обучения  нейронных сетей
Тема 1.4. Распознавание предметов одежды. Обзор набора данных и выбор архитектуры нейронной сети
Тема 1.5. Распознавание предметов одежды. Построение архитектуры нейронной сети и ее обучение
Тема 1.6. Анализ качества обучения нейронной сети

Раздел 2. Обучение искусственной нейронной сети
Тема 2.1. Обучение искусственного нейрона
Тема 2.2. Обучение искусственной нейронной сети. Метод обратного распространения ошибки

Раздел 3. Нейронные сети для анализа табличных данных
Тема 3.1. Применение нейронных сетей для решения задачи регрессии

Раздел 4. Нейронные сети для задачи анализа изображений
Тема 4.1. Сверточные нейронные сети
Тема 4.2. Распознавание объектов на изображении
Тема 4.3. Предварительно обученные нейронные сети
Тема 4.4. Перенос обучения в нейронных сетях

Раздел 5. Нейронные сети для задачи анализа естественного языка
Тема 5.1. Нейронные сети для задач обработки естественного языка
Тема 5.2. Одномерные сверточные нейронные сети
Тема 5.3. Рекуррентные нейронные сети для задач обработки естественного языка

В результате освоения курса обучаемый будет способен:
1. Разрабатывать программы обучения глубоких нейронных сетей на Python с помощью библиотек TensorFlow и Keras.
2. Использовать открытую облачную платформу Google Colaboratory для обучения глубоких нейронных сетей.
3. Применять нейронные сети для классификации изображений.
4. Применять нейронные сети для классификации текстов.
5. Применять нейронные сети для решения задачи регрессии для табличных данных.
6. Использовать предварительно обученные нейронные сети.

1) Способность разрабатывать программы обучения глубоких нейронных сетей
2) Способность выбирать архитектуру нейронной сети для заданной задачи

01.00.00 Математика и механика
02.00.00 Компьютерные и информационные науки
03.00.00 Физика и астрономия
05.00.00 Науки о земле
08.00.00 Техника и технологии строительства
09.00.00 Информатика и вычислительная техника
10.00.00 Информационная безопасность
11.00.00 Электроника, радиотехника и системы связи
12.00.00 Фотоника, приборостроение, оптические и биотехнические системы и технологии
13.00.00 Электро- и теплоэнергетика
14.00.00 Ядерная энергетика и технологии
15.00.00 Машиностроение
16.00.00 Физико-технические науки и технологии
18.00.00 Химические технологии
22.00.00 Технологии материалов
27.00.00 Управление в технических системах
38.00.00 Экономика и управление