Специалистам по Data Science
Освоите современные архитектуры нейронных сетей, чтобы применять их в работе над своими задачами
Разработчикам
Разберётесь, как функционируют нейросети, и познакомитесь с фреймворком PyTorch
ML‑инженерам
Научитесь строить модели DL и поймёте, в чём их особенности при интеграции в ML‑пайплайны
Работать на DL‑фреймворке PyTorch и обучать нейросети — от полносвязных сетей до LLM
Создавать базовые нейросети MLP, CNN, RNN и применять готовые трансформеры
Готовить и аугментировать датасеты из сырых текстов, изображений, аудио
Настраивать параметры моделей, выбирать оптимизаторы, функции потерь и устранять переобучение
Применять Transfer Learning для адаптации предобученных моделей под новые датасеты
Создавать мультимодальные модели на базе NLP и Audio Analysis для обработки речи, изображений и текста
Освоите актуальные
подходы и инструменты
Нейросетевые решения на практике
Скидка за прохождение
Попробуете применять предобученные модели для анализа текста и изображений
Скидка за прохождение
Фундаментальные основы Deep Learning
1 проект
Проект: реализуете с нуля полносвязную нейросеть (MLP) на PyTorch и обучите её для решения задачи
От рекуррентных нейронных сетей (RNN) к трансформерам
1 проект
Проект: реализуете задачу автодополнения текста для работы на мобильном устройстве
Свёрточные нейронные сети (CNN)
1 проект
Практика: построите модель для распознавания лекарств и поможете фармпроизводству с автоматизацией
Предобработка данных для DL-моделей (NLP, CV и Audio Analysis)
1 проект
Проект: решите бизнес‑задачу — научите модель определять калорийность блюда по фото и описанию
Все материалы
всегда под рукой
Теория доступна с компьютера и в приложении. Будете тренироваться на нашей платформе и сразу применять новые навыки в работе.
Практикум ИИ
для закрепления знаний
Он кратко перескажет урок, ответит на вопросы и объяснит непонятное другими словами.
Готовая облачная
инфраструктура
Разработана и поддерживается опытными инженерами. Получите доступ в один клик, прямо с платформы.
Разработали программу курса
Это инженеры с большим опытом обучения нейросетей
Антон Моргунов
CV Engineer в IT‑компании
Senior инженер по компьютерному зрению. Программный эксперт курса.
Даниил Вяжев
Мидл DL/ML-инженер в НБКИ
Исследователь во ВШЭ. PhD Student в Технологическом университете.
Кирилл Бобылев
Senior Data Sсientist в Ozon Tech
Специализируется в модерации, антифроде и контроле качества.
Станислав Жбанников
NLP‑инженер в сфере GenAI
Занимается оптимизацией обучения крупных MoE‑моделей. Был Lead Data Scientist в Ecom.tech.
Яна Петрова
Преподаватель Deep Learning в МГТУ им. Баумана
Ex-Head of ML в компании по разработке ПО для АПК. Автор курсов по ML и CV.
Артур Мутолапов
ML-инженер в бигтехе
Больше 5 лет в машинном обучении. Работал специалистом по Data Science в Toloka.ai, UBIC technologies.
Проводят воркшопы и отвечают в чате
Помогут разобраться в сложных темах
Павел Кройчук
Senior ML-инженер в e‑commerce
Специализируется на NLP/LLM, рекомендательных системах и revenue optimization. Разрабатывал LLM-системы для Яндекс Такси.
Кирилл Талалаев
Senior Data Scientist в бигтехе
9+ лет занимается машинным обучением и анализом данных. Работал в ведущих IT‑компаниях над задачами в области Computer Vision, NLP, RecSys, Search.
Дают обратную связь по проектам
Проверят ваши работы и подскажут, что улучшить
Кирилл Бобылев
Senior Data Sсientist в Ozon Tech
Специализируется в модерации, антифроде и контроле качества.
Артём Носенко
Тимлид в крупном банке
Преподаёт в Центральном университете и ВШЭ, кандидат технических наук. Разрабатывал и внедрял модели для RecSys, временных рядов и NLP.
Даниил Вяжев
Мидл DL/ML-инженер в НБКИ
Исследователь во ВШЭ. PhD Student в Технологическом университете.
Разрабатывают и поддерживают инфраструктуру,
в которой вы будете выполнять практические задания
Александр Дядиченко
SRE в крупном ретейле
Специализируется на создании больших кластеров обработки данных и построении автоматизированных систем.
С дедлайнами
Для тех, кому важно чёткое расписание
В своём темпе
Для тех, кому важна гибкость
Для успешного обучения нужны:
• Навыки программирования на Python, включая знание ООП.
• Опыт в анализе данных, их визуализации и манипулировании ими.
• Знания в классическом машинном обучении на табулированных данных.
• Базовые знания по математике: о функциях, их формульном представлении и дифференцировании.
• Базовые знания в линейной алгебре: о матрицах, их свойствах и типовых операциях с ними, таких как сложение, умножение, транспонирование.
• Знание командной строки будет преимуществом, но не обязательно.