Глубокое обучение

  • Продвинутый курс о самом сложном в машинном обучении: нейросети, принципы их работы и применение
  • В офисе и онлайн
  • Бесплатно

Осваиваем глубокое обучение на практике

Для школьников и студентов младших курсов

Подойдет всем, кто хорошо разбирается в машинном обучении

Занимаемся в офисе компании или онлайн

Формат занятий зависит от ситуации с коронавирусом

Онлайн

Занимаемся раз в неделю в «Зуме», удобно для учеников из регионов

В Москве

В офисе в бизнес-центре «Водный» на Головинском шоссе, 5А

Курс длится три месяца

Расписание — в личном кабинете на сайте после отбора студентов

Сертификат в конце курса

В качестве основного фреймворка мы будем использовать PyTorchЧтобы получить сертификат, нужно успешно выполнить все домашки и сдать экзамен

Набираем учеников два раза в год

Осенний семестр

Стартует в 20-х числах сентября

О старте отбора сообщим заранее

Зимний семестр

Стартует в середине февраля

Об отборе сообщим заранее

Отбор в два этапа

Набираем до 20 человек в одну очную группу

Экзамен проходит онлайн, его нужно решить до конца отборочного этапа

  • Математика
    Нужно решить шесть задач по математике, например по теории вероятности, логическим рядам, производной функции
  • Программирование
    Большое творческое задание, где нужно написать код на Python и использовать только его библиотеки по умолчанию
  • Мотивационное письмо
    Расскажите о себе, своих достижениях, релевантном опыте и планах

Перед экзаменом можно потренироваться

  1. Зарегистрируйтесь на сайте Тинькофф Финтеха
  2. Зайдите на сайт прошлых курсов. Он откроется только для тех, кто зарегистрировался на сайте Финтеха
  3. Потренируйтесь на задачах прошлых курсов, они типовые
  • Собеседование на курс
    Расскажи о себе на встрече или через звонок в Зуме
  • Общение с куратором
    Кураторы расскажут о подробностях обучения, а вы сможете задать свои вопросы

Программа курса

Знакомим с базовыми парадигмами, фреймворком pyTorch, возможностью вычислений на GPU

  • Введение в глубокое обучение
    Функции активации
    Градиентный спуск
  • Сверточные сети
    Работа с изображениями. Автоэнкодеры
    Практическое задание: колоризация изображений
  • Backpropagation
    Внутреннее устройство фреймворков

Знакомимся с подходами в решении задач по раскрашиванию черно-белых изображений, переносу стиля на изображения, генерации лиц с помощью GANов

  • DeepDream
    Neural Style transfer
    Adversarial-атаки
    Практическое задание: перенос артистического стиля
  • Generative adversarial networks
    Практическое задание: генерация лиц
  • CycleGAN
    Вариационные автоэнкодеры
    Практическое задание: морфинг изображений

Знакомимся с основными подходами в NLP, решаем задачи машинного перевода, строим автоматическую QA системы чат-бота

  • Рекуррентные сети
    GRU и LSTM
    Word2vec
    Работа с текстами
    Практическое задание: классификация тональности текста
  • Языковые модели
    Transfer learning в NLP
    Language models
    Практическое задание: генерация текстов
  • Seq2seq
    Машинный перевод
    Практическое задание: переводчик
  • Retrieval-based модели
    DSSM
    Как работают поисковики
    Практическое задание: разговорный чат-бот

Осваиваем reinforcement learning на примере искусственного интеллекта для игры в Atari

  • Введение в reinforcement learning
    Policy-based методы
    Алгоритм REINFORCE
    Практическое задание: обучаем искусственный интеллект для игр из AI Gym
  • Частично наблюдаемые состояния
    Value-based методы
    Алгоритм actor-critic
    Практическое задание: обучаем искусственный интеллект для Atari Kung-Fu Master

Преподаватели курса — специалисты в глубоком обучении

Это молодые специалисты с большим олимпиадным опытом