Курс Deep Learning

Deep learning

40000,00 ₴

Код курса: DLDATA
Тривалість: 45 годин / 15 занять

Дивіться розклад

Телефонуйте зараз щоб дізнатися більше:

Телефон
+38 098 805 4511

Артикул: DLDATA Категорія: Позначки: , ,

Про курс

Основна ідея цього курсу полягає в тому, аби опанувати глибоке навчання за допомогою сучасних технологій для розв’язання задач обробки природної мови та комп’ютерного зору. Тому цей курс складається з наступних тематичних частин:

  • Обробка природної мови (NLP) (2–7 модулі)
  • Комп’ютерний зір (8–14 модулі)
  • Оптимізація нейронних мереж і використання на виробництві (15–16 модулі)

Основним робочим інструментом є PyTorch.

Для кого курс

  • ML-спеціалістам, які хочуть поглибити знання нейронних мереж і Deep Learning;
  • Data Scientists, які планують працювати з NLP і комп’ютерним зором;
  • Python-розробникам із базовими знаннями Machine Learning;
  • фахівцям, які хочуть опанувати PyTorch, Hugging Face та OpenCV;
  • тим, хто планує створювати, оптимізувати та розгортати моделі глибокого навчання.

Чого навчаться учасники

Після завершення курсу учасники зможуть:

  • створювати та навчати нейронні мережі за допомогою PyTorch;
  • використовувати RNN, LSTM, GRU та Seq2Seq-моделі для роботи з послідовностями;
  • застосовувати Transformers, BERT та GPT-підходи для задач NLP;
  • використовувати Hugging Face для класифікації, пошуку та генерації тексту;
  • створювати CNN-моделі для класифікації та обробки зображень;
  • застосовувати transfer learning, детекцію та сегментацію об’єктів;
  • працювати з GAN, автокодерами та diffusion-моделями;
  • налаштовувати гіперпараметри й оптимізувати навчання нейронних мереж;
  • прискорювати навчання моделей за допомогою змішаної точності та накопичення градієнта;
  • розгортати моделі за допомогою FastAPI та організовувати їх моніторинг.

Попередні вимоги

Для ефективного навчання учасникам бажано:

  • впевнено програмувати мовою Python;
  • розуміти основи Machine Learning і принципи навчання моделей;
  • мати базові знання лінійної алгебри, математичного аналізу та теорії ймовірностей;
  • мати досвід роботи з NumPy, Pandas або аналогічними Python-бібліотеками;
  • мати базове уявлення про Data Science та підготовку даних.

Проходження курсів Data Science/Machine Learning Fundamentals та Python for Data Science або їхніх аналогів рекомендовано, але не є обов’язковим.

Рівень курсу

Поглиблений

Дивіться розклад

Програма курсу

1. Вступ до глибокого навчання (DL)

  • DL для задач обробки природної мови (NLP) та комп’ютерного зору (CV). Інші прикладні галузі
  • Що таке нейронна мережа (NN)?
  • Компоненти NN. Перцептрон
  • Як навчається NN? Градієнтний спуск
  • Функція втрат. Пряме і зворотне розповсюдження

2. Основи PyTorch

  • Створення простої нейронної мережі у PyTorch
  • Функції активації. Приховані шари vs вихідні шари
  • Методи регулярізації: рання зупинка, Dropout
  • Залишкові з’єднання

3. Ембединги

  • Представлення тексту у вигляді векторів
  • Класичні алгоритми ембедингів: Word2Vec, GloVe, fastText

4. Текст як послідовність

  • Моделі RNN, LSTM, GRU

5. Seq2Seq-моделі

  • Bidirectional LSTM
  • Архітектура encoder-decoder

6. Transformers

  • Attention, self-attention, encoder, decoder
  • BERT vs GPT-2

7. NLP з Transformers

  • Класифікація текстів
  • Відповіді на запитання
  • Семантичний пошук

8. Генеративні моделі

  • Перефразування, узагальнення тексту
  • Великі мовні моделі (LLMs)

9. Згорткові нейронні мережі (CNN)

  • Класифікація зображень
  • Аугментація та попередня обробка зображень

10. Трансферне навчання

  • Огляд моделей: LeNet, AlexNet, VGGNet, Inception, ResNet, EfficientNet

11. Детекція об’єктів

  • Методи: R-CNN, YOLO, SSD

12. Сегментація зображень

  • UNet, Mask R-CNN, YOLACT

13. Генерація зображень

  • Автокодери, GAN
  • Передача нейронного стилю

14. Diffusion-моделі

  • Text-to-image, інверсія, інференс

15. Оптимізація NN

  • Налаштування гіперпараметрів
  • Прискорення навчання: накопичення градієнта, змішана точність
  • Контрольні точки, обрізання градієнтів

16. Розгортання моделей

  • FastAPI для обслуговування моделей
  • Моніторинг моделей у виробничому середовищі

Ім’я
Номер, за яким з Вами можна зв'язатись
Ваша адреса електронної пошти

📩  info@sso.net.ua
☎️  38 098 805 45 11

✉️📅☎️🔝

Супутні товари