Онлайн-обучение

Специализация Глубокое обучение

Станьте экспертом в области машинного обучения. Освойте основы глубокого обучения и ворвитесь в мир искусственного интеллекта. Недавно обновленная версия с самыми современными методами!

Специализация Deep Learning - это фундаментальная программа, которая поможет вам понять возможности, проблемы и последствия глубокого обучения и подготовить вас к участию в разработке передовых технологий искусственного интеллекта.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

Гибкий график

Установите гибкие сроки сдачи заданий.

Средний уровень

Промежуточные навыки работы с Python: базовое программирование, понимание циклов for, операторов if/else, структур данных

Базовое понимание линейной алгебры и ML

О специализации

Пройти курсы

Специализация Fastlearningcourse — это серия курсов, помогающих в совершенстве овладеть определенным навыком. Можно сразу записаться на специализацию или просмотреть курсы, из которых она состоит и выбрать тот, с которого вы хотите начать. Подписываясь на курс, который входит в специализацию, вы автоматически подписываетесь на всю специализацию. Можно завершить всего один курс, а потом сделать паузу в обучении или в любой момент отменить подписку. Отслеживайте свои курсы и прогресс на панели управления учащегося.

Практический проект

В каждой специализации есть практический проект, который нужно успешно выполнить, чтобы завершить специализацию и получить сертификат. Если для практического проекта в специализации предусмотрен отдельный курс, прежде чем начать его, необходимо завершить все остальные курсы.

Получите сертификат

Когда вы пройдете все курсы и завершите практический проект, вы получите сертификат, которым можно поделиться с потенциальными работодателями и коллегами.

Проект прикладного обучения

К концу курса вы сможете:
  • - Строить и обучать глубокие нейронные сети, реализовывать векторные нейронные сети, определять параметры архитектуры и применять DL в своих приложениях.
  • - Использовать лучшие практики для обучения и разработки тестовых наборов и анализа смещения/отклонений для построения приложений DL, использовать стандартные методы NN, применять алгоритмы оптимизации и реализовывать нейронные сети в TensorFlow
  • - Построение и обучение рекуррентных нейронных сетей и их разновидностей (GRUs, LSTMs), применение РНС для моделирования языка на уровне символов, работа с NLP и Word Embeddings, использование токенизаторов и трансформаторов HuggingFace для распознавания именованных сущностей и ответов на вопросы.

ЧЕМУ ВЫ НАУЧИТЕСЬ

Специализация включает несколько 5 курсов

В первом курсе специализации "Глубокое обучение" вы изучите фундаментальную концепцию нейронных сетей и глубокого обучения.

К концу курса вы будете знать основные технологические тенденции, способствующие развитию глубокого обучения; строить, обучать и применять полностью подключенные глубокие нейронные сети; реализовывать эффективные (векторизованные) нейронные сети; определять ключевые параметры архитектуры нейронной сети; и применять глубокое обучение в собственных приложени

Специализация "Глубокое обучение" - это наша фундаментальная программа, которая поможет вам понять возможности, проблемы и последствия глубокого обучения и подготовит вас к участию в разработке передовых технологий искусственного интеллекта. Она дает вам возможность получить знания и навыки для применения машинного обучения в своей работе, повысить уровень своей технической карьеры и сделать окончательный шаг в мир ИИ.

Во втором курсе специализации "Глубокое обучение" вы откроете "черный ящик" глубокого обучения, чтобы понять процессы, которые определяют производительность и систематически генерируют хорошие результаты.

К концу курса вы освоите лучшие методы обучения и разработки тестовых наборов и анализа смещения/отклонений для создания приложений глубокого обучения; сможете использовать стандартные методы нейронных сетей, такие как инициализация, регуляризация L2 и отсев, настройка гиперпараметров, пакетная нормализация и проверка градиента; внедрите и примените различные алгоритмы оптимизации, такие как мини-пакетный градиентный спуск, Momentum, RMSprop и Adam, и проверите их сходимость; реализуете нейронную сеть в TensorFlow.

Специализация Deep Learning - это наша фундаментальная программа, которая поможет вам понять возможности, проблемы и последствия глубокого обучения и подготовить вас к участию в разработке передовых технологий ИИ. Она дает вам возможность получить знания и навыки для применения машинного обучения в своей работе, повысить уровень своей технической карьеры и сделать окончательный шаг в мир ИИ.

Во втором курсе специализации "Глубокое обучение" вы откроете "черный ящик" глубокого обучения, чтобы понять процессы, которые определяют производительность и систематически генерируют хорошие результаты.

К концу курса вы освоите лучшие методы обучения и разработки тестовых наборов и анализа смещения/отклонений для создания приложений глубокого обучения; сможете использовать стандартные методы нейронных сетей, такие как инициализация, регуляризация L2 и отсев, настройка гиперпараметров, пакетная нормализация и проверка градиента; внедрите и примените различные алгоритмы оптимизации, такие как мини-пакетный градиентный спуск, Momentum, RMSprop и Adam, и проверите их сходимость; реализуете нейронную сеть в TensorFlow.

Специализация Deep Learning - это наша фундаментальная программа, которая поможет вам понять возможности, проблемы и последствия глубокого обучения и подготовить вас к участию в разработке передовых технологий ИИ. Она дает вам возможность получить знания и навыки для применения машинного обучения в своей работе, повысить уровень своей технической карьеры и сделать окончательный шаг в мир ИИ.

На четвертом курсе специализации "Глубокое обучение" вы поймете, как развивалось компьютерное зрение, и познакомитесь с его интересными приложениями, такими как автономное вождение, распознавание лиц, чтение радиологических изображений и многое другое.

К концу курса вы сможете построить конволюционную нейронную сеть, включая последние вариации, такие как остаточные сети; применить конволюционные сети для задач визуального обнаружения и распознавания; использовать нейронный перенос стиля для создания художественных произведений и применить эти алгоритмы к различным изображениям, видео и другим 2D или 3D данным.

Специализация Deep Learning - это наша фундаментальная программа, которая поможет вам понять возможности, проблемы и последствия глубокого обучения и подготовить вас к участию в разработке передовых технологий искусственного интеллекта. Она дает вам возможность получить знания и навыки для применения машинного обучения в своей работе, повысить уровень своей технической карьеры и сделать окончательный шаг в мир ИИ.

На пятом курсе специализации Deep Learning вы познакомитесь с моделями последовательности и их захватывающими приложениями, такими как распознавание речи, синтез музыки, чат-боты, машинный перевод, обработка естественного языка (NLP) и многое другое.

К концу обучения вы сможете создавать и обучать рекуррентные нейронные сети (РНС) и такие широко используемые варианты, как GRU и LSTM; применять РНС для моделирования языка на уровне символов; получить опыт обработки естественного языка и вкраплений слов; использовать токенизаторы HuggingFace и трансформаторные модели для решения различных задач NLP, таких как NER и ответы на вопросы.

Специализация Deep Learning - это фундаментальная программа, которая поможет вам понять возможности, проблемы и последствия глубокого обучения и подготовить вас к участию в разработке передовых технологий ИИ. Она предоставляет вам возможность сделать окончательный шаг в мир ИИ, помогая получить знания и навыки для повышения уровня вашей карьеры.

Преподаватели

Andrew Ng

Instructor

Эндрю Нг - основатель компании DeepLearning.AI, генеральный партнер AI Fund, председатель и соучредитель Fastlearningcourse, а также адъюнкт-профессор Стэнфордского университета.

Kian Katanforoosh

Senior Curriculum Developer

Ранее он был главным ученым в Baidu, руководителем команды Google Brain и соучредителем Fastlearningcourse - крупнейшей в мире платформы MOOC. Сейчас Киан Катанфоруш посвящает свое время в основном предпринимательской деятельности, ища наилучшие способы ускорить внедрение ответственной практики ИИ в глобальную экономику.

Younes Bensouda Mourri

Curriculum developer

Юнес родился и вырос в Марокко. В настоящее время он преподает искусственный интеллект на кампусе и онлайн в Стэнфордском университете. Он работал над курсом №1 Fastlearningcourse: Машинное обучение" и "Специализация №1: Глубокое обучение.

Начните обучение сегодня

Отзывы

Успей забронировать свое место в группе

Условия и положения

Часто задаваемые вопросы

Когда вы оформите подписку, начнется семидневный бесплатный пробный период, в течение которого подписку можно отменить без штрафа. По истечении этого срока вы не сможете вернуть средства, но сможете отменить подписку в любой момент.

Да! Чтобы начать, нажмите карточку интересующего вас курса и зарегистрируйтесь. Зарегистрировавшись, вы можете пройти курс и получить сертификат, ссылкой на который можно делиться с другими людьми. Просто ознакомиться с содержанием курса можно бесплатно. При подписке на курс, входящий в специализацию, вы автоматически подписываетесь на всю специализацию. Ход учебы можно отслеживать в панели управления учащегося.

Да. В некоторых программах обучения вы можете подать заявку на получение финансовой помощи или стипендии, если не можете оплатить регистрационный взнос. Если для выбранной вами программы предлагается такая возможность, вы увидите ссылку для подачи заявки на странице описания.

Placeholder content for this accordion, which is intended to demonstrate the .accordion-flush class. This is the third item's accordion body. Nothing more exciting happening here in terms of content, but just filling up the space to make it look, at least at first glance, a bit more representative of how this would look in a real-world application.

Когда вы регистрируетесь на курс, то можете получить доступ ко всем курсам в специализации. Кроме того, вы получаете сертификат о прохождении курса.Просто ознакомиться с содержанием курса можно бесплатно.

Это полностью дистанционный курс, потому вам не нужно ничего посещать. Все лекции, материалы для самостоятельного изучения и задания доступны всегда и везде по Интернету и с мобильных устройств.

Эта специализация не приравнивается к зачету в университетах, однако некоторые вузы принимают сертификаты на свое усмотрение. Дополнительную информацию уточняйте в своем деканате.

Мы используем файлы cookie, чтобы улучшить ваш просмотр, показывать персонализированную рекламу или контент, а также анализировать наш трафик. Нажимая «Принять все», вы соглашаетесь на использование нами файлов cookie.