Stepik О курсе
Подробнее
Школа глубокого обучения (Deep Learning School) – учебная организация на базе Физтех-школы прикладной математики и информатики Московского физико-технического института. Мы ведем курсы по искусственному интеллекту для школьников и студентов, которые интересуются программированием и математикой. Занятия ведут преподаватели, выпускники и студенты ФПМИ МФТИ.
Этот курс посвящен использованию нейросетевых моделей для обработки естественного языка (NLP) . Курс рассчитан на студентов, прошедших курс первого семестра нашей школы Deep Learning School.
Курс состоит из лекций, семинаров и домашних заданий. В течение курса вам предстоит много практики, а в конце — самостоятельный итоговый проект. Преподаватели школы — ведущие специалисты российских и зарубежных IT-компаний и научные сотрудники исследовательских компаний.
Ссылки:
Форма регистрации на курс. Необходимо заполнить для получения диплома.
Программа курса
Чат семестра в TG
Гитхаб семестра
Премиум
Наш Boosty
Наш сайт
FAQ
Наша группа ВК
Наш TG канал
*Deep Learning School – учебная организация на базе Физтех-школы прикладной математики и информатики Московского физико-технического института.
Требования
Что нужно для старта
- -- Владеть фреймворком Pytorch для обучения нейросетей
- -- Пройти 1 семестр курса "Deep Learning" (желательно)
Результат
Что вы получите
- Применять классические и нейросетевые алгоритмы для основных задач обработки текста: классификации текстов, языкового моделирования, машинного перевода, построения вопросно-ответных систем
- Применять готовые модели обработки естественного языка для дообучения на конкретных задачах
- Понимать, как устроены современные LLM: ChatGPT, LLama. Уметь использовать LLM для различных задач.
Аудитория
Для кого этот курс
- Студенты и выпускники технических вузов, прошедшие 1 семестр курса "Deep Learning"
Содержание
21 занятиеПрограмма курса
№ТемаЧто внутри
01Организационная информация
- Организационная информация
02Введение в NLP. Эмбеддинги слов.
- Лекция. Эмбеддинги слов.
- Семинар. Обработка и классификация текстов
03Домашнее задание. Ранжирование текстов на основе эмбеддингов
- Ранжирование текстов на основе эмбеддингов
04Рекуррентные нейронные сети (RNN)
- Лекция. Рекуррентные нейронные сети. Татьяна Гайнцева
- Семинар. Классификация текста с помощью RNN. Антон Земеров
05Домашнее задание. Классификация текста с помощью RNN
- Домашнее задание. Классификация текста с помощью RNN
06Языковое моделирование
- Лекция. Языковое моделирование. Антон Земеров
- Семинар. Языковое моделирование. Антон Земеров
07Домашнее задание. Языковое моделирование
- Домашнее задание. Языковое моделирование
08Машинный перевод и механизм Attention
- Лекция. Машинный перевод и механизм Attention
- Семинар. Машинный перевод
- Дополнительные материалы
09Архитектура Transformer
- Лекция. Attention и трансформер. Татьяна Гайнцева
- Семинар. Attention и трансформеры. Игорь Щукин
- Дополнительные материалы
10Предобучение и дообучение языковых моделей
- Лекция. Предобучение и файнтьюнинг LM. Антон Земеров
- Семинар. Файнтьюнинг BART для суммаризации. Антон Земеров
11Домашнее задание. Предобучение и дообучение языковых моделей
- Домашнее задание. Трансформеры
12От GPT до GPT-3. Zero-shot Learning
- Лекция. GPT-модели
13GPT-2, GPT-3, RAG
- Лекция. GPT2 и далее
- Семинар. RAG
14Домашнее задание. RAG
- Домашнее задание. RAG
15Интерпретируемость трансформеров
- Лекция. Интерпретируемость трансформеров.
- Семинар. Интерпретируемость трансформеров.
16Детекция сгенерированных текстов
- Лекция. Детекция сгенерированных текстов.
- Семинар. Детекция сгенерированных текстов.
17Домашнее задание. Детекция сгенерированных текстов.
- Домашнее задание. Детекция сгенерированных текстов.
18Дополнительный модуль. Работа с Yandex Cloud
- Введение. Что такое Yandex Datasphere
- Домашнее задание. Ранжирование на основе Yandex Embeddings
- Домашнее задание. Машинный перевод в Yandex Translate
- Лонгрид. Особенности эксплуатации GPT-моделей в облаке.
- Лонгрид. До-обучение Yandex GPT и LLaMA
- Домашнее задание. Извлечение именованных сущностей с помощью LLM
- Лонгрид. RAG на основе YandexGPT
19Дополнительный модуль. LLM-Агенты
- Открытая лекция. LLM-агенты
20Итоговый проект
- Итоговый проект. Описание и форма сдачи
21Модуль для дополнительных баллов
- Урок для дополнительных баллов
01Организационная информация
- Организационная информация
02Введение в NLP. Эмбеддинги слов.
- Лекция. Эмбеддинги слов.
- Семинар. Обработка и классификация текстов
03Домашнее задание. Ранжирование текстов на основе эмбеддингов
- Ранжирование текстов на основе эмбеддингов
04Рекуррентные нейронные сети (RNN)
- Лекция. Рекуррентные нейронные сети. Татьяна Гайнцева
- Семинар. Классификация текста с помощью RNN. Антон Земеров
05Домашнее задание. Классификация текста с помощью RNN
- Домашнее задание. Классификация текста с помощью RNN
06Языковое моделирование
- Лекция. Языковое моделирование. Антон Земеров
- Семинар. Языковое моделирование. Антон Земеров
07Домашнее задание. Языковое моделирование
- Домашнее задание. Языковое моделирование
08Машинный перевод и механизм Attention
- Лекция. Машинный перевод и механизм Attention
- Семинар. Машинный перевод
- Дополнительные материалы
09Архитектура Transformer
- Лекция. Attention и трансформер. Татьяна Гайнцева
- Семинар. Attention и трансформеры. Игорь Щукин
- Дополнительные материалы
10Предобучение и дообучение языковых моделей
- Лекция. Предобучение и файнтьюнинг LM. Антон Земеров
- Семинар. Файнтьюнинг BART для суммаризации. Антон Земеров
11Домашнее задание. Предобучение и дообучение языковых моделей
- Домашнее задание. Трансформеры
12От GPT до GPT-3. Zero-shot Learning
- Лекция. GPT-модели
13GPT-2, GPT-3, RAG
- Лекция. GPT2 и далее
- Семинар. RAG
14Домашнее задание. RAG
- Домашнее задание. RAG
15Интерпретируемость трансформеров
- Лекция. Интерпретируемость трансформеров.
- Семинар. Интерпретируемость трансформеров.
16Детекция сгенерированных текстов
- Лекция. Детекция сгенерированных текстов.
- Семинар. Детекция сгенерированных текстов.
17Домашнее задание. Детекция сгенерированных текстов.
- Домашнее задание. Детекция сгенерированных текстов.
18Дополнительный модуль. Работа с Yandex Cloud
- Введение. Что такое Yandex Datasphere
- Домашнее задание. Ранжирование на основе Yandex Embeddings
- Домашнее задание. Машинный перевод в Yandex Translate
- Лонгрид. Особенности эксплуатации GPT-моделей в облаке.
- Лонгрид. До-обучение Yandex GPT и LLaMA
- Домашнее задание. Извлечение именованных сущностей с помощью LLM
- Лонгрид. RAG на основе YandexGPT
19Дополнительный модуль. LLM-Агенты
- Открытая лекция. LLM-агенты
20Итоговый проект
- Итоговый проект. Описание и форма сдачи
21Модуль для дополнительных баллов
- Урок для дополнительных баллов
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 «Deep Learning (семестр 2, осень 2026)» и поможет разобраться в деталях обучения.
Нажимая кнопку, вы даете согласие на обработку персональных данных
Направления:Машинное обучение
Информация обновлена 21 сентября 2026 г.
Продолжить выбор
Похожие курсы
Начать без затрат
![[АРХИВ] Deep Learning (семестр 1, осень 2023)](https://cdn.stepik.net/media/cache/images/courses/181974/cover_bq8Ten0/442ca96b71e76542dff55bbbc4aca303.png)
![[АРХИВ] Deep Learning (семестр 1, весна 2025)](https://cdn.stepik.net/media/cache/images/courses/230362/cover_4tkfoRj/492fc6dc0234358ce905da4c4ca71bd6.jpg)
![[АРХИВ] Deep Learning (семестр 1, весна 2023): продвинутый поток](https://cdn.stepik.net/media/cache/images/courses/135003/cover_2zXJL9O/db54e2933429a4cc0c45c3035311ac6f.jpg)
![[АРХИВ] Deep Learning (семестр 2, осень 2024)](https://cdn.stepik.net/media/cache/images/courses/196142/cover_dLZWnQI/f5772a02869d297a8c6632f8c7d74b55.jpg)
