EAS-029 Нейронные сети и глубокое обучение

<![CDATA[<p>Курс предназначен для приобретения знаний и навыков в области глубокого обучения для работы с нейросетями. Курс детально разбирает нейросетевые архитектуры и практические способы создания моделей для классификации, обнаружения, сегментации и локализации объектов, генерации изображений и текстов, в т.ч. с применением предобученных сетей с их последующим дообучением и тонкой настройкой под конкретные предметные области. </p><br><p> </p> <ul> <li> <p> Архитектуры нейронных сетей. Нейрон, веса, функции активации, обучение </p> </li> <li> <p> Области применения нейронных сетей </p> </li> <li> <p> Основные классы задач, решаемых сетями </p> </li> </ul> <p> </p><p> </p> <ul> <li> <p> Методы оптимизации, метрики, функции потерь, управление гиперпараметрами </p> </li> <li> <p> Тензоры, переменные, градиенты, функции, модели, обучение </p> </li> <li> <p> Устройство TensorFlow и PyTorch, модели и виды слоев в Keras </p> </li> </ul> <p> </p><p> </p> <ul> <li> <p> Архитектура CNN. Фильтры, пулинг, 1D/2D/3D </p> </li> <li> <p> Обучение сверточных сетей </p> </li> <li> <p> Идеи удачных архитектур: AlexNet, VGG, Inception, ResNet </p> </li> </ul> <p> </p><p> </p> <ul> <li> <p> Алгоритм градиентного спуска и его варианты </p> </li> <li> <p> Регуляризация, Dropout, Batch Normalization </p> </li> </ul> <p> </p><p> </p> <ul> <li> <p> Способы доучивания сетей: полные и частичные </p> </li> <li> <p> Использование предобученных сетей в других задачах </p> </li> </ul> <p> </p><p> </p> <ul> <li> <p> Виды задач: классификация, разметка, генерация, seq2seq </p> </li> <li> <p> Представления слов и текстов. Эмбеддинги. Word2Vec, FastText </p> </li> <li> <p> Языковые модели. ELMo, *BERT </p> </li> <li> <p> Трансформеры, механизм внимания, GPT, XLNet </p> </li> </ul> <p> </p><p> </p> <ul> <li> <p> Сети для сегментации изображений </p> </li> <li> <p> Сети для детектирования объектов на изображениях </p> </li> </ul> <p> </p><p> </p> <ul> <li> <p> GAN для генерации изображений </p> </li> <li> <p> Диффузионные модели. Stable Diffusion </p> </li> </ul> <p> </p><p> </p> <ul> <li> <p> Принципы обучения с подкреплением и основные подходы. Q-обучение </p> </li> <li> <p> Глубокое обучение с подкреплением </p> </li> </ul> <p> </p>]]>