Продвинутые методы глубинного обучения
Курс посвящен изучению современных алгоритмов и подходов из области Deep Learning, таких как генеративные модели в Computer Vision и в NLP, методы эффективного обучения больших языковых моделей, рекомендательные системы, грабовые нейронные сети и многое другое!
Чему вы научитесь:
- вы узнаете о современных генеративных моделях в области компьютерного зрения
- узнаете об особенностях работы LLM
- погрузитесь в алгоритмы построения рекомендательных систем
- освоите основы графовых нейронных сетей
- познакомитесь с глубинным обучением для обработки звука
- узнаете о современных методах ускорения обучения нейронных сетей
- прикоснетесь к миру Reinforcement Learning
О курсе:
Курс состоит из нескольких тематических блоков. Каждый из блоков глубоко погружает слушателей в различные современные приложения глубинного обучения.
Над курсом работает команда разноплановых специалистов, каждый из которых является экспертом в своем блоке тем.
Для кого этот курс:
Вам подойдет этот курс, если вы освоили программу классического Deep Learning и знакомы с основными архитектурами нейронных сетей (полносвязные, сверточные, рекуррентные и транспортерные архитектуры). Вам будет интересен курс, если вы интересуетесь современным состоянием области Deep Learning и хотите погрузиться в различные ответвления современного глубинного обучения.
Начальные требования:
- знание классических архитектур нейронных сетей (если вы не знакомы с классическим глубинным обучением - рекомендуем пройти курс Практический Deep Learning)
- желание получить максимально полный обзор современных приложений глубинного обучения и найти свой индивидуальный вектор развития
Курс состоит из:
- теоретических материалов в текстовом виде
- практических скринкастов
- тестовых заданий на понимание теории и практики
- практических домашних заданий на языке Python
Программа курса:
- О курсе
- Нормализационные потоки и метрики качества генерации
- Сложные задачи Computer Vision
- Трехмерное компьютерное зрение
- Рекомендательные системы - 1
- Рекомендательные системы - 2
- Рекомендательные системы - 3
- Методы объяснения DL-моделей
- Большие языковые модели (Large Language Models)
- PEFT
- Графовые нейронные сети
- Обучение с подкреплением
- Deep Learning для звука: введение в домен
- DL для звука: задачи и модели
- Итоговый модуль курса
Наши преподаватели:
- Елена Кантонистова
Кандидат физико-математических наук, выпускница школы анализа данных Яндекса (ШАД)
Академический руководитель магистратуры "Искусственный интеллект" (ранее "Машинное обучение и высоконагруженные системы") Факультета компьютерных наук ВШЭ, доцент департамента больших данных и информационного поиска ФКН… Ещё
- Евгений Паточенко
Data Scientist / Machine Learning Engineer
Академический руководитель магистратуры "Аналитика больших данных" Факультета компьютерных наук ВШЭ
- Марк Блуменау
Researcher (LPI RAS, IZMIRAN)
Исследователь в областях компьютерного зрения, физики Солнца и квантовых материалов. Преподаватель НИУ ВШЭ.
