r_d
< школа наступившего будущего >
Сгенерирован курс, который научит использовать нейросетевые модели в CV, NLP и временных рядах. Доступ к курсу открыт для ML-инженеров, дата-сайентистов, дата-аналитиков и разработчиков, которые знают Python, хорошо помнят линейную алгебру и статистику и уже когда-то имели опыт машинного обучения.
10 библиотек Python для глубокого обучения работа с AWS и применение нейросетей в компьютерном зрении, обработке естественного языка и временных рядах лектор курса ― Андрей Клещонок, Lead Data Scientist в Volkswagen Data:Lab с 10-летним опытом анализа данных в разных сферах
Deep Learning ― самая востребованная технология AI. Освойте ее на курсе.
После курса вы сможете:
- подготавливать данные для глубокого обучения
- применять статистические формулы для тренировки нейросетей
- работать с основными библиотеками и фреймворками Python для глубокого обучения
- использовать основные архитектуры нейронных сетей для решения задач компьютерного зрения, обработки естественного языка и временных рядов
- создавать полноценные натренированные нейронки, например, для прогнозирования рисков при страховании жилья на основе фото или обнаружения мошенничества
- выбирать наиболее эффективный метод решения, модифицировать методы под свои задачи и изобретать нестандартные решения
- решить, в какое направление Deep Learning углубляться для реализации карьерных планов
Кому будет полезен курс
Подать заявку
- ML Engineers
Вы значительно расширите стек навыков. Освоите 10 библиотек Python для глубокого обучения. Будете разбирать реальные кейсы компаний и на их примере учиться применять основные архитектуры нейросетей и модифицировать их под свои задачи. После ― научитесь анализировать работу построенной модели и выбирать метрики для контроля качества.
- В результате ― сможете эффективно решать задачи компьютерного зрения, обработки естественного языка и прогнозирования временных рядов с помощью нейросетей.
- Data Scientists
Вы научитесь миксовать свои навыки работы с big data и Python со знаниями в аналитике, математике и статистике для обучения нейронных сетей. Будете тренировать полносвязные, сверточные и рекуррентные нейронные сети, освоите обработку естественного языка и обучение с подкреплением.
- По итогам курса сможете реализовывать проекты с использованием нейросетей.
- Data Analytics/
Developers/
Other IT SpecialistsВы получите overview всех инструментов, которые применяются в Deep Learning. Изучите стандартные подходы к построению моделей на основе нейросетей и подтянете знания по математике и статистике, без которых глубокое обучение невозможно.
- После курса вы построите первую модель на основе нейронной сети и поймете, в каком направлении ― ML, CV, NLP ― хотите развиваться дальше.
Необходимые знания:
Python
писать чистый и понятный код на Python, работать с командной строкой, знать основы ООП
Математика
помнить формулы линейной алгебры, основы интегрального и дифференциального исчисления и знать, как умножить матрицы
Статистика
знать основы статистики, понимать, что такое случайная величина, функция плотности, функция распределения, мода и медиана выборки
Пока не обладаете нужными навыками? Обратите внимание на наш курс:
Лектор
Андрей Клещонок Lead Data Scientist в Volkswagen Data:Lab
- Последние 4 года занимается разработкой AI-систем в R&D, инженерии и производстве, в частности ― проводил анализ временных рядов в квантовом компьютере и участвовал в научных исследованиях на тему Humane AI
- Имеет ＞ 10 лет опыта анализа данных в разных отраслях: автомобильный сектор и производство, бизнес-консалтинг, квантовые вычисления, статистическая физика и физическая химия
- Преподает курс Business Intelligence в Лейденском университете (Нидерланды)
- Автор 5 патентов по бизнес-применению Data Science в автомобилестроении и более 20 научных публикаций по физике и машинному обучению
- Кандидат физико-математических наук по специальности теоретическая физика
- Работал научным сотрудником в Центре ядерных исследований Саклея (Франция), Дрезденском техническом университете (Германия), Институте физики Общества Макса Планка (Германия)
16 онлайн-занятий 24 часа теории + 30 часов самостоятельной практики 19 октября – 9 декабря
Записаться Программа курса
(16 занятий)
01 занятие
19.10
19.00 (CEST)
Знакомство с нейронными сетями
Разберитесь, в каких сферах и для чего применяют нейронные сети. Узнайте, какие бывают нейронные сети по типу обучения. Ознакомьтесь с облачными сервисами AWS, GCP и Azure. Научитесь работать с Anaconda и запускать Jupyter Notebook на облачных сервисах.
02 занятие
21.10
19.00 (CEST)
Знакомство с основными библиотеками и фреймворками
Поработайте с массивами и матрицами с помощью библиотек Numpy, Scipy, Pandas, Scikit-learn. Вспомните, как визуализировать данные с помощью MatPlotLib и Seaborn. Изучите фреймворки для работы с тензорами и обучения нейронных сетей ― TensorFlow, PyTorch, Keras. Затем изучите утилиты для проведения экспериментов и трекинга моделей.
03 занятие
26.10
19.00 (CEST)
Введение в нейронные сети
Узнайте, как устроены базовые блоки нейронных сетей. Научитесь вычислять ошибку персептронов, работать с функциями активации, ошибки и потерь в задачах классификации и регрессии. Реализуйте нейронную сеть с прямой связью.
04 занятие
28.10
19.00 (CEST)
Тренировка полносвязных нейронных сетей. Part 1
Изучите метод градиентного спуска и сферы его применения. Разберитесь в нюансах работы метода обратного распространения ошибки. Обучите нейронную сеть с помощью основных фреймворков. Реализуйте полносвязную нейронную сеть.
05 занятие
02.11
19:00
Тренировка полносвязных нейронных сетей. Part 2
Узнайте, как работает метод кросс-валидации. Научитесь подбирать гиперпараметры нейронных сетей и реализовывать различные оптимизационные методы. Попробуйте имплементировать оптимизационные методы Adam, SGD и Adagrad.
06 занятие
04.11
19.00 (CEST)
Введение в сверточные нейросети
Узнайте, какие задачи решает компьютерное зрение. Научитесь реализовывать операцию свертки, подвыборки и свойство padding. Натренируйте сверточную нейронную сеть.
07 занятие
09.11
19.00 (CEST)
Архитектуры сверточных нейросетей
Разберитесь в продвинутых архитектурах сверточных нейронных сетей ― VGG и ResNet. Научитесь применять Transfer Learning и подготавливать датасет с аугментированными данными.
08 занятие
11.11
19.00 (CEST)
Специальные задачи сверточных нейросетей
Научитесь тренировать нейросети для локализации, детектирования и семантической сегментации. Изучите алгоритм YOLO и основные сферы применения Metrics learning. Решите задачу по распознаванию лиц.
09 занятие
16.11
19.00 (CEST)
Рекуррентные нейронные сети
Разберитесь в типах рекуррентных нейронных сетей. Научитесь работать с временными рядами. Изучите метод обратного распространения ошибки по временным состояниям.
10 занятие
18.11
19.00 (CEST)
Natural Language Processing (NLP). Part 1
Ознакомьтесь с основными задачами обработки естественного языка (NLP). Научитесь применять вероятностные модели и проведите анализ тональности текста.
11 занятие
23.11
19.00 (CEST)
Natural Language Processing (NLP). Part 2
Научитесь моделировать последовательности из последовательности [seq2seq]. Узнайте, как получить векторный эмбеддинг слов. Примените Word2vec для анализа текста.
12 занятие
25.11
19.00 (CEST)
Natural Language Processing (NLP). Part 3
Разберитесь в разнице между рекуррентными сетями, механизмом внимания и трансформерами. Научитесь имплементировать модели с вниманием и применять предварительно обученные сети-трансформеры.
13 занятие
30.11
19.00 (CEST)
Обучение с подкреплением
Ознакомьтесь со сферами применения и типами обучения с подкреплением. Изучите фреймворки для обучения с подкреплением. Научитесь работать с OpenAI Gym и имплементировать Q-learning на основе нейронных сетей.
14 занятие
02.12
19.00 (CEST)
Обучение с частичным привлечением учителя
Узнайте, как устроены основные сети с частичным применением учителя. Примените автоэнкодер и GAN для генерации визуальных образов.
15 занятие
07.12
19.00 (CEST)
Байесовские нейронные сети и оценка точности
Ознакомьтесь с методом XAI, проблемами надежности нейросетей и неопределенности их предсказаний. Поговорите о проблемах и перспективах использования нейросетей, в частности ― проблемы Байеса и этического использования нейронок.
16 занятие
09.12
19.00 (CEST)
Презентация финального проекта
Используя любой из изученных методов, решите задачу анализа временных рядов или текста, задачу компьютерного зрения или обучения с подкреплением. Постройте свою модель и защитите проект перед лектором и студентами.
Регистрация
Преимущества robot_dreams:
Обучаем в режиме live
Преподаватель объясняет материал в прямом эфире, отвечает на все вопросы. Если пропустили занятие – сохраняется запись. Все обучение проходит в удобном личном кабинете.Консультируем
Наши консультанты по карьерному росту помогут проанализировать ваши компетенции, очертят пути развития карьеры и порекомендуют дополнительные апгрейды для быстрого профессионального роста.Помогаем с резюме
Подскажем, как составить CV, чтобы на него точно обратили внимание работодатели. Вы выгодно презентуете свои навыки и выделитесь на фоне конкурентов.