Мы используем cookie для стабильной работы сервиса. Подробнее

Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)

ФорматОнлайн
Объём9 занятий
По окончанииStepik
О курсе

Подробнее

О чём курс? Курс об искусственных нейронных сетях специального вида. О новых классах задач, которые могут быть решены такими нейросетями. Изучаемые в курсе темы явно перечислены в  оглавлении курса. Для кого? Для всех желающих и имеющих «пятёрку» в школьном аттестате по математике. Знание фактов «высшей математики» при изучении курса не требуется. Естественно, «пятёрка» по математике в школьном аттестате у вас должна быть настоящая. Это означает, что вы самостоятельно и успешно решали все школьные задачи по математике.  Крайне желательно, чтобы слушатель уже имел ненулевой опыт в изучении нейронных сетей. Если у вас такого опыта нет, но вы желаете его быстро получить, то можете прослушать видео с нашего курса — в нём достаточно изучить главы 1-2, 4-5, 9-10.  Люди, имеющие ненулевой опыт в тренировке нейронных сетей, – тоже желанные гости на нашем курсе. Конечно, наш курс начинается в вещей достаточно элементарных и очевидных (для людей с соответствующим опытом). Однако в последних главах мы пытаемся простыми словами объяснить такие «страшные" вещи как GAN, LSTM. Так что мы надеемся, что подобный материал будет полезен и более искушенным специалистам. В общем, ждём: технарей, пытающихся самостоятельно изучить суть процесса построения и тренировки нейронных сетей; IT-начальников и предпринимателей, желающих понимать суть разговоров своих сотрудников;  заказчиков IT-решений, они уж точно должны понимать границы применимости технологий нейросетей и чувствовать момент, когда исполнитель просто вешает им лапшу на уши; поверьте: в сфере ML чертовски не хватает компетентных заказчиков! студентов, которых заставили проходить этот курс их преподаватели... энтузиастов ML. Что будет и чего не будет? Будут лекции и теоретические задачи. Мы убеждены в том, что любую технологию нужно изучать на простейших (элементарных) примерах.  Спущенных сверху заданий по программированию не будет, но соответствующая деятельность приветствуется (см. абзац «Желательная активность»).  Объём курса: 72 часа. Желательная активность Пишите комментарии к лекциям и задачам! Обсуждайте их и давайте советы по их решению.  Будет очень здорово, если слушатели будут еще и выкладывать в комментарии программный код, помогающий решить задачу. Общие правила к решению задач У каждой числовой задачи нашего курса есть единственный ответ. Это всегда число. В задачах, где ответом является бесконечная дробь, ответ нужно округлять до двух знаков после запятой.
Требования

Что нужно для старта

  • Необходимо знание математики в школьном объёме и первоначальные сведения по теории нейронных сетей (ещё раз прорекламируем наш курс «Введение в искусственные нейронные сети»).
Результат

Что вы получите

  • Чертовски расширите свой кругозор! Оказывается, в мире существует так много различных типов нейронных сетей, и они не похожи друг друга!
  • Поймете важность изучения математики. Дело в том, что тренировка сетей специальной архитектуры с математической точки зрения ничем не отличается от тренировки классических (полносвязных) нейронных сетей.
  • Узнаете, как наиболее эффективно обрабатывать нечисленные данные (картинки, тексты, видео...) с помощью нейронных сетей.
  • Познакомитесь со строением свёрточных, рекуррентных и состязательных (GAN) нейросетей, а также автокодировщиков.
  • Мы рассмотрим новые (которых не было в нашем последнем курсе) постановки задач: задача обработки текстов (NLP), задача генерации новых объектов (GAN), задача сегментации итд.
  • После каждой темы вас будет ждать блок теоретических задач по материалам главы.
Аудитория

Для кого этот курс

  • Студенты технических специальностей, мотивированные школьники. Любой желающий (но при отсутствии знаний школьной математики он будет здесь страдать).
Содержание

Программа курса

9 занятий
№ТемаЧто внутри
01Распознавание картинок: нейросети, фильтры и свёртки

- Картинки как объект для нейронных сетей
- Свёрточная архитектура
- Матричные фильтры
- Параметры свёртки
- Композиция фильтров
- Выводы

02Свёрточные нейронные сети

- Фильтры в нейронных сетях
- Пулинг
- Многоканальные фильтры
- Картинка превращается в вектор
- Выводы

03Очень большие сверточные нейронные сети

- LeNet
- VGG
- ResNet
- Принципы тренировки глубоких сверточных нейронных сетей
- Transfer learning
- Сверточная нейронная сеть действительно понимает, что видит?
- Выводы

04Сегментация изображений

- Постановка задачи
- Специальные архитектуры нейронных сетей для сегментации
- Деконволюция
- Операция unpooling
- Достижения и следствия из сегментации
- Тренировка сегментирующей нейронной сети
- Выводы

05Автокодировщики

- Сделать из конфетки… конфетку
- Зачем они нужны?
- Выводы

06Метрические задачи (metric learning)

- Постановка задачи
- Как превращать фото в вектора?
- Тренировка embedding-а
- Выводы

07Обработка текстов

- Был текст, получились числа
- Контекст слова и работа с ним
- Технологии типа word2vec
- Negative sampling
- Что дальше?
- Выводы

08Генеративно-состязательные сети (GAN)

- Введение
- Выводы

09Обработка последовательностей

- Общая идея
- Генерация текста и его тональность
- LSTM-ячейки
- Выводы
- Опрос слушателей курса

01Распознавание картинок: нейросети, фильтры и свёртки

- Картинки как объект для нейронных сетей
- Свёрточная архитектура
- Матричные фильтры
- Параметры свёртки
- Композиция фильтров
- Выводы

02Свёрточные нейронные сети

- Фильтры в нейронных сетях
- Пулинг
- Многоканальные фильтры
- Картинка превращается в вектор
- Выводы

03Очень большие сверточные нейронные сети

- LeNet
- VGG
- ResNet
- Принципы тренировки глубоких сверточных нейронных сетей
- Transfer learning
- Сверточная нейронная сеть действительно понимает, что видит?
- Выводы

04Сегментация изображений

- Постановка задачи
- Специальные архитектуры нейронных сетей для сегментации
- Деконволюция
- Операция unpooling
- Достижения и следствия из сегментации
- Тренировка сегментирующей нейронной сети
- Выводы

05Автокодировщики

- Сделать из конфетки… конфетку
- Зачем они нужны?
- Выводы

06Метрические задачи (metric learning)

- Постановка задачи
- Как превращать фото в вектора?
- Тренировка embedding-а
- Выводы

07Обработка текстов

- Был текст, получились числа
- Контекст слова и работа с ним
- Технологии типа word2vec
- Negative sampling
- Что дальше?
- Выводы

08Генеративно-состязательные сети (GAN)

- Введение
- Выводы

09Обработка последовательностей

- Общая идея
- Генерация текста и его тональность
- LSTM-ячейки
- Выводы
- Опрос слушателей курса

Документ после выпуска

Stepik

Организатор

Автор курса

StepikStepik
Stepik — образовательная платформа и конструктор онлайн-курсов. Мы разрабатываем алгоритмы адаптивного обучения, сотрудничаем с авторами MOOC, помогаем в проведении олимпиад и программ переподготовки. Наша цель — сделать образование открытым и удобным. Stepik — широко известная российская образовательная платформа, основанная в 2013 году. На Stepik зарегистрировано более миллиона пользователей из России и стран СНГ. В настоящее время на Stepik представлены несколько тысяч учебных курсов на самые разные темы.
Подробнее об авторе
Мнения учеников

Отзывы о курсе

Оставьте отзыв

Расскажите о качестве обучения, поддержке и результате. Это поможет другим выбрать организацию осознанно.

Напишите ваш коментарий, не менее 30 символов

Нажимая кнопку, вы даете согласие на обработку персональных данных

Оставьте заявку

Консультант ответит на вопросы о курсе «Специальные архитектуры нейронных сетей (введение в CNN,RNN,NLP)» и поможет разобраться в деталях обучения.

Комментарий ...

Нажимая кнопку, вы даете согласие на обработку персональных данных

Направления:Нейросети и ИИ

Информация обновлена 3 сентября 2026 г.

Продолжить выбор

Похожие курсы

Kubernetes. Продвинутый уровень. + ИИ-инструменты
−10%13 октября
Kubernetes. Продвинутый уровень. + ИИ-инструменты

Мастерство в архитектуре, сетевых ресурсах, безопасности и GitOps. Практика и теория для экспертов. Курс "Kubernetes - продвинутый уровень" предназначен для специалистов, желающих…

Онлайн7 занятийПродвинутый
Практические занятия
59 900 ₽−10%
53 910 ₽
Мнемотехники. Мнемотехники
Мнемотехники. Мнемотехники

Простой и современный курс по прокачке памяти. Подростки узнают, как работает память, освоят техники запоминания и интервальные повторения, а также научатся использовать ИИ, чтобы…

Онлайн
2 990 ₽
Excel + Google Таблицы с нуля до PRO + ИИ
−45%4 месяца
Excel + Google Таблицы с нуля до PRO + ИИ

Курс для тех, кто не любит рутину и хочет автоматизировать работу. Научитесь оперативно составлять сложные отчёты и строить прогнозы. Сможете работать в таблицах быстрее с помощью…

Онлайн
54 362 ₽−45%
29 899 ₽от 2 492 ₽/мес на 12 мес.
Начать без затрат

Бесплатные курсы

Natural Language Processing
Бесплатно
Natural Language Processing

The course focuses on Natural Language Processing (NLP), with an emphasis on Large Language Models (LLMs). You will explore key NLP tasks and methods, learn to use pretrained lang…

Онлайн10 занятий
Бесплатно
Нейросети и AI - агенты для бизнеса: путь к нейросотруднику
Бесплатно
Нейросети и AI - агенты для бизнеса: путь к нейросотруднику

Курс «Нейросети и AI-агенты для бизнеса: путь к нейросотруднику»: онлайн и очное офлайн обучение в Москве в Бауманском учебном центре «Специалист». Стоимость обучения. Программа к…

Онлайн
Бесплатно
Claude Code с нуля до реальных задач
Бесплатно1 месяц
Claude Code с нуля до реальных задач

Вы разовьёте аналитическое мышление, научитесь искать уязвимости и обеспечивать безопасность IT-систем. Освоите востребованную профессию даже с нулевым опытом в IT. Программа курс…

Онлайн
Бесплатноот 11 647 ₽/мес
Нейронные сети
Бесплатно6 - 10 часов в неделю
Нейронные сети

В данном курсе мы детально разберём процесс создания и применения нейронных сетей. В первую очередь, мы ставим перед собой цель объяснить основополагающие теоретические идеи и пра…

Онлайн5 занятий
Бесплатно
Нейросети для дизайна
Бесплатно48 академических часов
Нейросети для дизайна

Сфера изобразительного искусства и дизайна — одна из тех, по которой искусственный интеллект прошёлся сильнее всего. Множество дизайнеров и иллюстраторов уже начали использовать н…

Онлайн1 занятий
Видеоуроки
Бесплатно