Добрый, добрый ИИ. Часть 2. Нейронные сети на PyTorch

Нейронные сети - самое популярное, трендовое направление в области искусственного интеллекта. Они уже стали частью нашей повседневной жизни, от распознавания образов и управления транспортом до генерации текстов, музыки, изображений, создания deep fake'ов. Этот курс позволит заглянуть вам "за кулисы" мира нейросетей и…
Начальный уровень

Чему вы научитесь

  • Изучите работу полносвязных нейронных сетей.
  • Познакомитесь с фреймворком PyTorch для проектирования и обучения нейросетевых моделей.
  • Увидите, каким образом происходит обучение нейронных сетей с помощью алгоритма Back Propagation.
  • Научитесь работать с набором обучающих данных, представленных в разных форматах.
  • Рассмотрите важные аспекты, связанные с переобучением моделей и способами борьбы с ним: L2-регуляризация, Dropout, Batch Normalization.
  • Узнаете, как работают сверточные нейронные сети.
  • Познакомитесь с известными архитектурами сверточных сетей: VGG, ResNet, U-Net.
  • Изучите принцип работы рекуррентных нейронных сетей.
  • Узнаете о LSTM и GRU блоках.
  • Изучите и научитесь применять Embedding при прогнозировании слов в предложениях.
  • Познакомитесь с принципом работы автоэнкодеров и генеративных сетей.

О курсе

Нейронные сети не нуждаются в представлении. О них слышал практически каждый. Но далеко не каждый понимает и даже отдаленно представляет принцип их работы. Это рождает много домыслов и небылиц о зарождении искусственного самосознания, захвата мира бездушными машинами, о проникновении в творческие профессии и полного вытеснения из них человека. Чтобы лучше разбираться в этих и других подобных вопросах, как всегда, необходимы базовые, фундаментальные знания в области нейронных сетей. И этот курс предоставляет их вам, с минимальными математическими обоснованиями, необходимыми для понимания сути приводимых алгоритмов.

Я думаю, этот курс будет полезно пройти даже тем, кто не собирается проектировать, обучать и внедрять нейросетевые технологии в повседневную жизнь. Ценность этого курса уже в том, чтобы устранять многие мифы и небылицы вокруг этого относительно нового направления и тем самым поддерживать развитие искусственного интеллекта в нашей стране. Тем более, что лидеры в нем сейчас Китай и США.

Практической основой курса выбран фреймворк PyTorch, с помощью которого выполняется построение и обучение нейронных сетей. Почему именно PyTorch? В действительности, единственный конкурент ему другой аналогичный фреймворк Keras/Tensorflow. Однако PyTorch имеет более удобный функционал проектирования сетей самой разной архитектуры. В то время как Keras/Tensorflow больше зарекомендовал себя в коммерческих приложениях (в продакшене) благодаря несколько более высокой скорости обучения НС. Но различия по скорости работы между этими двумя фреймворками не так существенны, а иногда и вовсе незаметны, чтобы отказываться от удобства PyTorch в пользу Keras/Tensorflow. К тому же,  изучив PyTorch, вы легко сможете перейти на Keras/Tensorflow, если в этом возникнет необходимость.

Несмотря на то, что этот курс является логическим продолжение курса по машинному обучению:

https://stepik.org/course/209247/

его, тем не менее, можно проходить независимо от первого и обращаться к предыдущему лишь по некоторым темам, если они вам неизвестны. Также желательно хорошо знать пакет NumPy для работы с векторами и матрицами:

NumPy: YouTube | RuTube

Ну и, конечно же, сам язык Python, который является основой для разработки самых разных алгоритмов машинного обучения, включая нейронные сети:

https://stepik.org/course/100707/

Желаю всем успешного изучения этого интересного, захватывающего и трендового направления!

Телеграм-канал: https://t.me/machine_learning_selfedu

Для кого этот курс

Для всех желающих окунуться в мир нейронных сетей.

Начальные требования

Уверенные знания школьной математики, линейной алгебры, дифференцирование матриц и векторов, теории вероятностей и математической статистики (основы).

Знание языка программирования Python: https://stepik.org/course/100707/

Базовые знания первой части курса по ML: https://stepik.org/course/209247/

Наши преподаватели

Программа курса

загружаем...
Price: Бесплатно

Расскажите о курсе друзьям

Price: Бесплатно