Stepik О курсе
Подробнее
Важно! Основные материалы курса даются преподавателями на вебинарах и выложены в видео видео степов.
Важно! Вебинары, тесты, практические задания и весь дополнительный материал выкладываются на Stepik. Смотреть вебинары и сдавать практику можно в любое время!
Слушатели курса освоят следующие темы:
Повторят основы NLP (ML-подходы, w2v, fasttext)
Освоят продвинутые методы Python и познакомятся с фреймворком PyTorch
Узнают как работают рекуррентные нейронные сети
Применят RNN на практике
Освоят фреймворк FastAPI
Сделают итоговый проект с использованием RNN и FastAPI
Узнают о приложениях RNN в других областях
Требования
Что нужно для старта
- Для успешного освоения курса участники должны уметь писать код на языке Python и быть знакомыми с базовыми NLP-подходами. Рекомендуется к прохождению первый курс из линейки: "Основы нейронных сетей и NLP".
Результат
Что вы получите
- Узнаете как работают рекуррентные нейронные сети
- Научитесь работать с фреймворком PyTorch
- Сможете решать задачи генерации текстов при помощи RNN
- Узнаете, как RNN используются в других областях
- Создадите итоговый проект, оформленный в виде FastAPI-сервиса
Аудитория
Для кого этот курс
- Курс подойдет всем, кто интересуется областью автоматической обработки текстов (Natural Language Processing) и в особенности Deep Learning-подходами для решения задач из области NLP.
Содержание
9 занятийПрограмма курса
№ТемаЧто внутри
01Организация курса
- О курсе
- Тест по Python
- Тест по основам NLP
02Основы NLP: recap
- Основы NLP: recap
- Домашнее задание
03Рекуррентные нейронные сети
- Рекуррентные нейронные сети: теория
- Тест по RNN
04Введение в PyTorch
- Знакомство с PyTorch
- PyTorch vs NumPy
- Нейронные сети в PyTorch
- Домашнее задание - 3
05Рекуррентные сети: практика — 1
- Char RNN
- Домашнее задание
06Рекуррентные сети: практика — 2
- Word RNN
- Домашнее задание
07Приложения RNN
- RNN в приложениях
- Домашнее задание (первая часть проекта)
08Ванильный веб-сервис на FastAPI
- Знакомство с FastAPI
- Работа с хранилищем данных. SQLAlchemy
- Домашнее задание
09Итоговый проект
- Описание проектного задания
01Организация курса
- О курсе
- Тест по Python
- Тест по основам NLP
02Основы NLP: recap
- Основы NLP: recap
- Домашнее задание
03Рекуррентные нейронные сети
- Рекуррентные нейронные сети: теория
- Тест по RNN
04Введение в PyTorch
- Знакомство с PyTorch
- PyTorch vs NumPy
- Нейронные сети в PyTorch
- Домашнее задание - 3
05Рекуррентные сети: практика — 1
- Char RNN
- Домашнее задание
06Рекуррентные сети: практика — 2
- Word RNN
- Домашнее задание
07Приложения RNN
- RNN в приложениях
- Домашнее задание (первая часть проекта)
08Ванильный веб-сервис на FastAPI
- Знакомство с FastAPI
- Работа с хранилищем данных. SQLAlchemy
- Домашнее задание
09Итоговый проект
- Описание проектного задания
Организатор
Автор курса
Мнения учеников
Отзывы о курсе
Оставьте отзыв
Расскажите о качестве обучения, поддержке и результате. Это поможет другим выбрать организацию осознанно.
Оставьте заявку
Консультант ответит на вопросы о курсе «Рекуррентные сети в NLP и приложениях» и поможет разобраться в деталях обучения.
Нажимая кнопку, вы даете согласие на обработку персональных данных
Направления:Нейросети и ИИ
Информация обновлена 12 августа 2026 г.
Продолжить выбор
Похожие курсы
Начать без затрат
![Deep Learning (семестр 2, осень 2025) [АРХИВ]](https://cdn.stepik.net/media/cache/images/courses/251729/cover_uYd5Nmu/57394f3a8960d94e010ee67b55750d62.jpg)
