Нейронные сети используются во множестве сфер — от медицины до ресторанного бизнеса, ведь их способности — распознавание объектов, текстовый анализ и другие возможности — делают их просто незаменимыми! Но знаете ли вы, кто вывел их на такой высокий уровень? Всё верно, это заслуга DL-инженеров! Этот курс призван помочь вам освоить эту актуальную и престижную профессию. Вы сможете выделять закономерности в Deep Learning, составлять нейросети из слоёв, оптимизировать и дообучать их, обрабатывать разные типы контента. Программа включает базовый модуль и 3 профильных трека на выбор. А карьерный курс поможет вам презентовать себя и найти работу.
Показываем, как будет расти ваш заработок вместе с опытом. И сколько времени потребуется, чтобы окупить вложения в образование
На онлайн-курсе вы обретёте базовые знания в сфере Deep Learning и выберете трек специализации: NLP-инжиниринг, обработка звука или CV-инжиринг.
Разберётесь в теме, узнаете, какие методики позволяют обучать глубокие нейросети, обретёте фундаментальные знания для дальнейшего обучения.
Научитесь собирать нейронную сеть, освоите функции потерь в PyTorch, поймёте принципы обучения нейросети по пайплайну.
Разберёте техники оптимизации, поставите эксперименты в DL, сможете классифицировать данные в таблице.
Решите задачи CV, выполните операции с картинками, рассмотрите концепт GAN.
Выясните, что входит в задачи NLP, поработаете с текстовым контентом, познакомитесь с рекуррентными нейросетями.
Овладеете навыками работы с LLM-сетями, узнаете, как применять облако, в чём заключается процесс деплоя.
Поймёте отличия задач текстовой обработки от остальных, разберёте алгоритм их решения, научитесь кодировать слова.
Узнаете о минусах наиболее простых методов и сможете решать задачи.
Проясните отличие целей генерации текста от классификации, рассмотрите n-gram модель и её недостатки, а также устройство рекуррентных свёрточных сетей.
Скомпенсируете минусы RNN посредством LSTM, разберётесь в методах сэмплирования.
Выясните, какие способы существуют.
Выявите признаки, отличающие их от Трансформера, выполните задачи перевода.
Узнаете, почему дообучать лучше, чем обучать с нуля, в чём разница между разными способами дообучения, примените дообученные модели в решении downstream-задач.
Изучите свойства больших предобученных моделей, используете парадигму PEFT.
Поймёте, в чём различие между языковым моделированием и seq2seq-задачами, в чём состоит ценность механизма внимания, как устроен трансформер.
Выясните, почему длина контекста у трансформеров ограничена, сможете уменьшить сложность их применения, сможете сделать контекст более длинным, в том числе у моделей, прошедших предобучение.
Выясните, как можно использовать глубинные модели в анализе изображений, видео- и визуального контента. На данный момент трек находится в разработке.
Научитесь применять глубинные модели в создании голосовых помощников и других сферах деятельности, подразумевающих распознавание живой речи. На данный момент трек находится в разработке.
Просмотр обучающих видеороликов
Делаете все тогда, когда вам это удобно и в подходящем вам темпе
Объяснение возникших вопросов, закрепление пройденного материала и исправление ошибок
Данный проект, показывающий ваши навыки, будет прекрасным дополнением к вашему портфолио
Научитесь выгодно презентовать свои сильные стороны, чтобы получать больше откликов компаний
Познакомитесь с площадками для поиска работы, узнаете, как успешно пройти стажировку, и получите доступ к бирже с вакансиями компаний-партнёров
Освоить с нуля специальность DL-инженера может быть трудно, однако при наличии знаний в области машинного обучения вы сможете более углублённо изучать тему.
Приветствуются базовые знания в области математики и линейной алгебры, а также Python и ML. Лучше всего этот курс подойдёт ML-инженерам со стажем, которые хотят расширить компетенции.
Обучение организовано так, что вы можете спокойно совмещать его с работой, учебой и личной жизнью. Именно вы решаете, когда работать с материалами курса - вы занимаетесь тогда, когда удобно вам. Все уроки курса будут всегда в вашем доступе, даже после окончания курса, поэтому вы в любой момент сможете повторить пройденный материал.
Именно вы решаете, когда и сколько заниматься. Обычно студенты тратят на обучение от трех до пяти часов в неделю.
Лекции проходят в формате видеолекций или онлайн-трансляций, к которым студенты подключаются по вечерам несколько раз в неделю. Практические задания ориентированы на самостоятельную работу, но кураторы и преподаватели будут оценивать их выполнение и давать обратную связь.
Все обучение будет проходить онлайн, на сайте школы. Для большего комфорта вам может понадобиться аудиогарнитура: наушники, совмещенные с микрофоном, но это опционально.
Дизайнер интерьеров
Операционный директор
Тренер по фитнесу. Фитнес-нутрициолог
Дизайнер интерьеров