Deep Learning Engineer (Инженер глубокого обучения)

1. Блок 1
2. Часть программы курса
3. 1

   Модуль 1

   Вводный

   Погрузитесь в тему Deep Learning. Изучите методы обучения глубоких нейросетей. Получите хорошую базу в области глубокого обучения (DL) для дальнейшего освоения темы на курсе.

4. 2

   Модуль 2

   Поймете принципы сборки нейросети. Научитесь работать с функциями потерь в PyTorch. Узнаете, как выстроить процесс обучения нейронной сети в рамках конвейера глубинного обучения (пайплайна DL).

5. 3

   Модуль 3

   Освоите разные методы оптимизации. Узнаете, что такое эксперименты DL. Научитесь решать задачи классификации табличных данных.

6. 4

   Модуль 4

   Начнете знакомиться с задачами CV. Узнаете, как работать с изображениями, используя нейросети. Изучите концепт GAN.

7. 5

   Модуль 5

   Познакомитесь с задачами NLP (обработка текстов). Поймете, как работать с текстом. Начнете изучение рекуррентных нейросетей.

8. 6

   Модуль 6

   Узнаете, что такое LLM (большие языковые модели) сети, и как с ними работать. Научитесь работать с нейросетью в облаке. Поймете процесс деплоя (развертывания) в DL.

9. Блок 2
10. Часть программы курса
11. 7

    Модуль 7

    Узнаете, чем отличаются задачи обработки текстов от других задач DL. Изучите структуру решения задач обработки текстов. Поймете принципы кодирования слов.

12. 8

    Модуль 8

    Узнаете простейшие методы решения задач классификации и их недостатки. Научитесь решать простейшие задачи классификации.

13. 9

    Модуль 9

    Поймете отличия задач генерации текста от классификации. Изучите устройство n-gram модели и ее недостатки. Узнаете, как устроены рекуррентные сверточные сети.

14. 10

    Модуль 10

    Узнаете все о недостатках RNN и о том, как нивелировать их с помощью LSTM. Освоите различные методы сэмплирования для разных ситуаций.

15. 11

    Модуль 11

    Изучите различные способы уменьшения размеров модели и поймете, как применять их на практике.

16. 12

    Модуль 12

    Узнаете, чем BERT и GPT отличаются от Трансформера. Научитесь решать задачи превода текста.

17. Блок 3
18. Часть программы курса
19. 13

    Модуль 13

    Поймете, чем дообучение лучше обучения с нуля. Узнаете, чем отличаются способы дообучения. Научитесь применять предобученные модели для решения downstream задач (задач, для которых дообучается или используется

20. 14

    Модуль 14

    Познакомитесь со свойствами больших предобученных моделей. Научитесь дообучивать модели в парадигме PEFT

21. 15

    Модуль 15

    Поймете отличия языкового моделирования от seq2seq задач. Изучите ценность механизма внимания. Вникнете в суть архитектуры трансформера.

22. 16

    Модуль 16

    Поймете причины ограничения длины контекста трансформерных моделей. Изучите способы уменьшения сложности применения модели. Узнаете, какие существуют способы увеличения длины контекста. Научитесь увеличивать длину

Состав модулей зависит от тарифа. Точную программу уточняйте у школы.

Обучение онлайн из любого региона. Есть казахстанский домен школы.