Глубокое обучение (нейронные сети) на Python часть 2

Глубокое обучение — это особый раздел машинного обучения, новый подход к поиску представления данных, делающий упор на изучение последовательных слоев (или уровней) все более значимых представлений. Под глубиной в глубоком обучении не подразумевается более глубокое понимание, достигаемое этим подходом; идея заключается в многослойном представлении.

На курсе слушатели познакомятся с продвинутыми приемами создания современных моделей глубокого обучения, генеративными моделями глубокого обучения, способными создавать изображения и текст, с моделями глубокого обучения с подкреплением.

Целевая аудитория

Начинающие специалисты в области программирования, рассматривающие предмет как ступень к изучению Data Science, желающих продолжить знакомство с темой машинного обучения с технологией глубокого обучения.

Расписание открытых форматов курса

Дистанционный формат — 60 000 ₽.

Очный формат — 60 000 ₽.

Стоимость обучения одного слушателя

В результате освоения курса вы:

основам глубокого обучения продвинутого уровня;
генерировать текст и изображения с помощью глубокого обучения;
применять глубокое обучение с подкреплением.

чем определяется функциональный API фреймворка Keras;
какие есть способы улучшения моделей;
как генерировать текст с помощью LSTM;
как генерировать изображение с помощью вариационного автокодировщика;
как создавать генеративно-состязательные сети;
как создать глубокое обучение с подкреплением.

Научитесь

Узнаете

Основная информация

29 января 2024
11 марта 2024
03 июня 2024
23 сентября 2024

пн–чт 10:00–17:30

60 000 руб.

м. Аэропорт,
Ленинградский проспект 68/24

Верхотуров Марк Валерьевич
Беляев Александр Владимирович

Порядок записи на курс

Консультация

Выбор курса

Заключение договора

Оплата обучения.

Подробная программа курса

1 Глубокое обучение продвинутого уровня

1.1 Функциональный API фреймворка Keras
1.2 Использование обратных вызовов Keras и TensorBoard для моделей глубокого обучения
1.3 Способы улучшение моделей

2 Генеративное глубокое обучение

2.1 Генерирование текста с помощью LSTM
2.2 DeepDream
2.3 Нейронная передача стиля
2.4 Генерирование изображений с вариационными автокодировщиками
2.5 Генеративно-состязательные сети

3 Глубокое обучение с подкреплением

3.1 Введение в обучение с подкреплением
3.2 Алгоритмы, основанные на стратегиях и полезностях
3.3 Комбинированные методы
3.4 Практические рекомендации в обучении с подкреплением
3.5 Проектирование сред с примерами

Возможные форматы обучения и размеры групп

очно (до 15 слушателей);
дистанционно в составе очной группы (без ограничения числа подключений);
корпоративный формат (для групп от 10 до 45 слушателей).

Документы об окончании

Удостоверение о повышении квалификации

Требуемый уровень предварительной подготовки

Опыт программирования на языке Python и знание основных библиотек Python для научных расчетов: Numpy, Pandas, Matplotlib. Понимание разделов математики: теория вероятности, статистика, математический анализ, линейная алгебра. Навыки работы с алгоритмами машинного обучения.

Руководитель IT проектов, Разработчик Python, Data Scientist, ML-engineer

Разработка на Python
Сбор и анализ данных
Преобразование "сырых" данных в полезную информацию для бизнеса
Создание и обучение предиктивных моделей с помощью алгоритмов машинного обучения и нейросетей
Помощь бизнесу в нахождении скрытых закономерностей, прогнозировании развития событий и оптимизации ключевых бизнес-процессов

Консалтинг
Коучинг

Специализация

Должность

Дополнительные услуги

Ведёт 13 курсов в ЦЕСИНКОМ

Разработчик информационных систем, системный аналитик, аналитик данных

Разработка на Python
Машинное обучение
Математическая оптимизация

Консалтинг

Специализация

Должность

Дополнительные услуги

Ведёт 19 курсов в ЦЕСИНКОМ

Разработка курса или траектории обучения под вашу задачу

Центр готов взять на себя разработку курсов и траекторий обучения под уже сформированную модель компетенций или просто под список знаний и навыков, которые нужно освоить специалистам организации.

Рекомендуемые курсы

Список курсов, которые дополняют данный курс

Список категорий каталога, в которые включён курс

Траектории, в которые входит данный курс

Список курсов, требующихся для прохождения данного курса

Программирование на Python, часть 1

Программирование на Python, часть 2

Программирование на Python, часть 3. Numpy для Data Science

Программирование на Python, часть 4. Pandas для Data Science. Высокопроизводительная обработка и анализ данных в Pandas

Математика для Data Science, часть 1. Теория вероятностей и статистика

Математика для Data Science, часть 2. Математический анализ и линейная алгебра

Машинное обучения на Python, часть 1

Машинное обучения на Python, часть 2

Глубокое обучение (нейронные сети) на Python, часть 1