Инженер по глубокому обучению нейросетей

1. Бесплатная часть
2. Нейросети на практике, около 2 часов
3. 1

   Бесплатная часть: нейросетевые решения на практике

   Вводный

   Около 2 часов: роль нейросетей в решении сложных задач, работа с текстами и изображениями, применение предобученных моделей; скидка за прохождение.

4. Архитектуры нейросетей
5. MLP, RNN, трансформеры, CNN
6. 2

   Фундаментальные основы Deep Learning

   1 спринт: полносвязная нейросеть (MLP), функции ошибок и градиентный спуск, backpropagation, гиперпараметры и оптимизаторы, функции активации, введение в PyTorch. Проект: MLP с нуля на PyTorch.

7. 3

   От рекуррентных нейронных сетей (RNN) к трансформерам

   2 спринт: последовательные данные, простые RNN и их проблемы, GRU и LSTM, Bidirectional RNN, attention и трансформеры. Проект: автодополнение текста для мобильного устройства.

8. 4

   Свёрточные нейронные сети (CNN)

   3 спринт: основы свёрточных сетей, пулинг, популярные архитектуры CNN, методы улучшения качества, Transfer Learning. Практика: модель для распознавания лекарств на фармпроизводстве.

9. Данные и мультимодальность
10. Предобработка текстов, изображений и аудио
11. 5

    Предобработка данных для DL-моделей (NLP, CV и Audio Analysis)

    4 спринт: предобработка текстов, изображений и аудиоданных, мультимодальная нейросеть. Проект: модель определяет калорийность блюда по фото и описанию.

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