Глубокое обучение и современные нейросетевые технологии: Продвинутый уровень

Этот курс предназначен для слушателей, обладающих базовыми знаниями в области машинного и глубокого обучения, и стремящихся выйти на новый уровень владения современными нейросетевыми технологиями. Программа ориентирована на практическое применение и глубокое понимание архитектур, которые лежат в основе передовых решений в искусственном интеллекте.

В рамках курса вы:

1. Изучите современные методы обработки изображений с помощью сверточных нейронных сетей (CNN), включая архитектуры LeNet, ResNet и техники трансферного обучения.

2. Освоите продвинутые подходы к обработке естественного языка (NLP) с использованием трансформеров, BERT и современных языковых моделей.

3. Познакомитесь с обучением с подкреплением на примере алгоритма PPO и среды LunarLander.

4. Научитесь строить и анализировать автоенкодеры для сжатия данных, удаления шума и обнаружения аномалий.

5. Получите практические навыки дообучения больших языковых моделей (Qwen3-0.6B) на собственных данных.

6. Разберете методы регуляризации, оптимизации, аугментации данных и оценки качества моделей.

7. Курс включает множество практических заданий на Python с использованием PyTorch и TensorFlow, а также разбор типичных ошибок и стратегий их устранения. Особое внимание уделяется интерпретации результатов и применению моделей в реальных задачах.

Уровень: продвинутый
Формат: теоретические модули, практические ноутбуки, проекты
Для кого: специалистов по данным, инженеров, исследователей и всех, кто хочет углубить свои знания в области глубокого обучения и современных нейросетевых технологий.