Получить доступ
Эксклюзивный партнер
Skillbox в Узбекистане
burger
Каталог Курсы по Искусственный интеллект от SkillFactory Data Scientist. ML. Средний уровень (нейронные сети)

Data Scientist. ML. Средний уровень (нейронные сети)

Вы изучите основы нейронных сетей, научитесь применять ключевые концепции и методы и обучать их. Сможете построить свою нейросеть. Научитесь применять свёрточные нейросети для обработки изображений, генеративные состязательные сети (GAN), обработку естественного языка (NLP) и обучение с подкреплением. Сможете оптимизировать и ускорять нейронные сети, а также внедрять модели глубокого обучения в производственное окружение.

Кому подойдёт этот курс

  • Разработчикам

    Тем, кто хочет прокачать свои навыки в области нейронных сетей и машинного обучения, чтобы создавать и оптимизировать собственные модели для задач классификации, сегментации и детектирования объектов

  • Исследователям в области ИИ

    Тем, кто хочет углубить свои знания о нейронных сетях и глубоком обучении, чтобы успешно реализовывать исследовательские проекты и создавать инновационные решения в области ИИ

  • Специалистам в области анализа данных и машинного обучения

    Тем, кто хочет дополнить свой инструментарий анализа данных, чтобы эффективно применять нейронные сети для решения задач обработки текстов и извлечения информации из больших объёмов данных

Чему вы научитесь

  • Разрабатывать и обучать нейронные сети для решения задач классификации и сегментации изображений

  • Применять различные функции активации и методы оптимизации для обучения нейронных сетей

  • Использовать свёрточные нейросети для обработки изображений и выделения их признаков

  • Реализовывать архитектуры сетей, такие как VGG, ResNet и U-Net для улучшения качества моделей

  • Применять техники аугментации данных и решать проблемы переобучения

  • Создавать и обучать модели для задачи детектирования объектов с помощью архитектур R-CNN, Faster R-CNN и SSD

  • Работать с естественным языком (NLP), применять рекуррентные нейросети для анализа текста и построения языковых моделей

  • Реализовывать генеративные состязательные сети (GAN) для генерации изображений и текста

  • Применять обучение с подкреплением и разрабатывать алгоритмы Q-Learning и Deep Q-Learning

Содержание курса

Вы изучите техники работы с нейронными сетями: от основ ИИ до построения рекомендательных систем. Также вы освоите полносвёрточную нейронную сеть (FCN) и генеративные состязательные сети (GAN).

Введение в нейронные сети

Познакомитесь с основами нейронных сетей, изучите линейный классификатор и функционал ошибки, освоите понятие нейрона и его применение в логистической регрессии. Погрузитесь в понятие нейронной сети, поймёте, как она функционирует и какую роль играет в обработке данных.

Обучение нейронных сетей

Освоите ключевые методы обучения нейронных сетей, разберётесь с градиентным спуском, научитесь применять метод обратного распространения ошибки для настройки параметров сети. Изучите стохастический градиентный спуск и его вариации, а также узнаете о функциях активации, которые являются важной частью нейронных сетей. Научитесь создавать собственные нейронные сети от начальной схемы до математических формул.

Нейронные сети на практике

Изучите Google Colab и его возможности, ознакомитесь с фреймворками для обучения нейронных сетей, включая Tensorflow. Узнаете о различных версиях Tensorflow и выберете подходящую для ваших задач. Кроме того, вы научитесь создавать и определять модели нейронных сетей в Tensorflow.

Свёрточные нейросети для задачи классификации изображений. Часть 1

Погрузитесь в область компьютерного зрения с помощью свёрточных нейронных сетей. Узнаете, как компьютер интерпретирует изображения, поймёте суть задачи классификации изображений и научитесь применять свёртки для улучшения результатов. Изучите многоканальные свёртки, научитесь создавать и применять свёрточные слои с использованием Keras.

Свёрточные нейросети для задачи классификации изображений. Часть 2

Углубитесь в продвинутые концепции свёрточных нейронных сетей, изучите методы аугментации данных и борьбы с переобучением. Ознакомитесь с архитектурами VGG и ResNet, научитесь использовать их для улучшения результатов классификации. Поймёте, как нейронные сети "видят" данные и освоите технику Transfer learning.

Семантическая сегментация. Часть 1

Перейдёте к задаче семантической сегментации изображений, разберётесь в различных подходах к задаче и научитесь реализовывать слабую локализацию с использованием скользящего окна. Узнаете, как создать полносвёрточную нейронную сеть (FCN), которая позволит решать задачу сегментации более точно.

Семантическая сегментация. Часть 2

Углубитесь в продвинутые архитектуры FCN для семантической сегментации. Вы научитесь улучшать FCN-модель с помощью различных методов, включая Skipped connections и архитектуру U-Net. Ознакомитесь с дилатационными свёртками и методом ASPP.

Детектирование объектов. Часть 1

Перейдёте к задачам детектирования объектов: поймёте, как комбинировать классификацию и локализацию в одной модели, создадите собственную модель для решения этой задачи.

Детектирование объектов. Часть 2

Изучите архитектуру R-CNN для детектирования объектов. Научитесь подготавливать обучающий датасет, создавать и обучать модель R-CNN, узнаете, как её запускать для детектирования объектов.

Детектирование объектов. Часть 3

Изучите популярные архитектуры для детектирования объектов, такие как Fast R-CNN, Faster R-CNN, SSD и YOLO. Узнаете, как создавать и обучать модели Fast R-CNN и SSD, а также научитесь использовать TensorFlow Object Detection API.

От дискриминативных моделей к генеративным: Style transfer

Познакомитесь с методом Style Transfer, который позволяет создавать изображения с новыми стилями на основе имеющихся изображений и текстур. Разберётесь в процессе генерации текстур и реализации Style Transfer с использованием нейронных сетей.

Генеративные состязательные сети

Изучите генеративные состязательные сети (GAN) - мощный инструмент для генерации данных. Разберётесь в сравнении распределений и научитесь создавать 2D GAN, а также поймёте, как применять GAN для генерации изображений. Освоите Deep Convolutional GAN (DCGAN) и его применение.

Введение в NLP

Перейдёте к обработке естественного языка (NLP). Поймёте, какие задачи можно решать в NLP, научитесь предварительной обработке текста и векторизации текста с использованием Bag of Words. Изучите векторизацию слов с помощью метода Word2Vec.

NLP на нейросетях. Рекуррентные нейросети и классификация текстов

Познакомитесь с нейросетями, применяемыми в NLP. Разберётесь в рекуррентных нейросетях, научитесь создавать их и использовать для классификации текстов. Освоите продвинутые рекуррентные нейросети, такие как LSTM и GRU, реализуете их с помощью Keras.

NLP на нейросетях. Языковые модели, Attention, Transformer

Углубитесь в более сложные концепции NLP на основе нейронных сетей: создадите языковую модель, поймёте, как работает механизм внимания (Attention) и реализуете его. Изучите архитектуру Transformer, которая стала основой для многих современных моделей в NLP.

Обучение с подкреплением. Q-Learning

Изучите обучение с подкреплением - методом обучения агента взаимодействием с окружающей средой. Разберётесь в основных понятиях и терминологии, познакомитесь с библиотекой Gym для создания сред и изучите формальную постановку задачи обучения с подкреплением. Овладеете Q-функцией и узнаете, как реализовать табличный Q-Learning.

Обучение с подкреплением. Deep Q-Learning

Изучите Deep Q-Learning, включая метод Experience Replay и другие подходы в обучении с подкреплением.

Ускорение и оптимизация нейронных сетей

Узнаете о методах ускорения и оптимизации нейронных сетей. Разберётесь в трюках по оптимизации нейронных сетей и научитесь создавать поканальную сепарабельную свёртку с использованием библиотеки TensorRT. Изучите метод прореживания (Pruning) и научитесь применять библиотеку TensorRT для оптимизации нейронных сетей.

Записаться на курс или получить бесплатную консультацию
Имя
Телефон
Электронная почта
Отправить
Ознакомиться с условиями публичного договора
success
error
warning

О Skillbox

Skillbox —
по качеству обучения. Вся теория записана с топовыми экспертами рынка, а практика максимально приближена к реальным рабочим задачам. Послушайте, что говорят те, кто уже достиг своих целей вместе со Skillbox.
Записаться на курс
-50%
3 981 932 сум
7 963 865 сум
Скидка по промокоду:
Кешбэк 30%: 1 194 580 баллов на Lerna
Data Scientist. ML. Средний уровень (нейронные сети)
Длительность: 1 мес
Заполните контактные данные
Имя
Телефон
E-mail
Промокод
Название компании
Отправить заявку
Ознакомиться с условиями публичного договора
success
error
warning