up

Программирование глубоких нейронных сетей на Python

6 September 2020 - 31 January 2021 г.
The course has already started
10 days
До конца записи
  • 16 недели

    длительность курса

  • от 8 до 9 часов в неделю

    понадобится для освоения

  • 3 зачётных единицы

    для зачета в своем вузе

Глубокие нейронные сети в настоящее время являются одним из самых популярных методов создания систем искусственного интеллекта. Курс предназначен для программистов без глубоких знаний математики.

О курсе

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.

Формат

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

Требования

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

Результаты обучения

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.

Формируемые компетенции

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

Похожие курсы