Нейронные сети: как строить современные решения на основе методов глубокого обучения

Курсы

Программирование
PHP Developer. Basic
-50%
Специализация PHP Developer iOS Developer. Professional Golang Developer. Professional Python Developer. Basic iOS Developer. Basic Архитектура и шаблоны проектирования MS SQL Server Developer Highload Architect Специализация C++ Developer Cloud Solution Architecture Специализация Java-разработчик Android Developer. Professional Программист С Специализация Fullstack developer VR/AR - разработчик Microservice Architecture Software Architect Team Lead Web-разработчик на Python Unity Game Developer. Professional Базы данных Алгоритмы и структуры данных Разработчик программных роботов (RPA) на базе UiPath и PIX Kotlin Backend Developer React.js Developer Node.js Developer Flutter Mobile Developer Symfony Framework C# Developer. Basic Unreal Engine Game Developer Groovy Developer
Специализации Курсы в разработке Подготовительные курсы Подписка
+7 499 938-92-02

Deep Learning

Курс для начинающих программистов, аналитиков и студентов технических специальностей, желающих разобраться с нуля, как строить современные решения на основе методов глубокого обучения.

Длительность обучения:

4 месяца

4 ак. часа в нед.

Формат:

Online

Начало занятий:

28 сентября

Дни занятий:

Пн 20:00, Ср 20:00

Что даст вам этот курс
  • Повторим с вами необходимые области математики: теорию информации, теорию вероятности, линейную алгебру и основы анализа.
  • Изучим основные библиотеки и фреймворки для машинного обучения работы с нейронными сетями: от NumPy до TensorFlow.
  • Решим классические задачи глубокого обучения по всем основным направлениям: "Компьютерное зрение", "Обработка естественных языков", "Обучение с подкреплением", "Генеративные сети".

После прохождения курса вы:

    • Сможете пройти собеседование на должность Junior Deep Learning Engineer;
    • Научитесь решать задачи машинного обучения с помощью нейронных сетей, такие как: генерация рукописных цифр, самообучающийся бот для игры в крестики-нолики, классификация изображений и т. д.;
    • Будете знать теорию, необходимую для прохождения продвинутых курсов.

Карта курсов направления Data Science в OTUS



Научитесь работать с нейронными сетями с использованием фреймворков PyTorch, Tensorflow, Keras

Изучите теорию и практику по таким важным направлениям Deep Learning, как Computer Vision, NLP, обучение с подкреплением

Самый современный материал про глубокое обучение

Программа подготовлена признанным экспертом по глубокому обучению

 

Нейронные сети — как дети: их можно научить чему угодно. Но нужно помнить и о трудностях, сопровождающих каждого родителя: неправильные методы обучения, недостаток хороших примеров или несоответствие архитектуры ребёнка поставленным задачам могут привести к непредсказуемым результатам.
Артур Кадурин
Преподаватель курса
Применение нейросетей для определения параметров человека, 24 августа в 20:00
Разберём, как компьютер воспринимает изображение, что такое свертка и из каких ингредиентов состоит сверточная нейронная сеть. Анализ параметров человека по фотографии- одна из важнейших задач компьютерного зрения, с которой прекрасно справляются сверточные сети, что и мы и реализуем на уроке.
Ведет
Иван
Мордовец
Предыдущий открытый вебинар
Пишем первую нейронную сеть, 15 сентября в 20:00
Рассмотрим основные этапы создания и обучения своей первой нейронной сети, и попробуем решить известную задачу классификации MNIST полносвязной и сверточной нейронными сетями на примере фреймворка PyTorch.
Антон
Витвицкий
Предыдущий открытый вебинар

Преподаватели

Антон Витвицкий
Boost Arria NLG, Director of Computer Vision
Нурислам Турсынбек
Computer Vision Engineer at RemedyLogic
Иван Мордовец
Старший специалист по анализу данных в Билайн
Анна Закутняя
Программист-исследователь в Epoch8/AGIMA.AI
Сергей Цыкин
ML Team Leader, Assaia
Иван Карпухин
Ведущий исследователь-программист в Тинькофф Банке
Влад Артемьев
Эмиль Богомолов
Артем Васильев
Ведущий Инженер Разработки ПАО Сбербанк
Дмитрий Хизбуллин
Андрей Канашов
Senior Data Scientist в OZON
Артур Кадурин
Директор ключевых исследовательских программ. Институт Искусственного Интеллекта
Эксперт по компьютерному зрению и глубокому обучению, дипломированный инженер-программист и кандидат физ-мат наук.

С 2012 по 2017 занимался распознаванием лиц в компании WalletOne, чьи решения поставлялись для бизнеса в странах Южной Африки и Европы. Участвовал в стартапе Mirror-AI, где руководил командой компьютерного зрения. В 2017 стартап прошел Y-combinator и получили инвестиции для создания приложения в котором пользователь может реконструировать свой аватар по селфи. В 2019 участвовал в британском стартапе Kazendi Ltd., в проекте HoloPortation. Цель проекта - реконструкция 3D-аватаров для очков дополненной реальности HoloLens. C 2020 руководит командой компьютерного зрения в американском стартапе Boost Inc., который занимается видеоаналитикой в баскетболе для NCAA.

Руководитель программы
Место работы:
Computer Vision Engineer at RemedyLogic

Место учёбы:
Бакалавриат: Назарбаев Университет, Астана, Казахстан Магистратура (Data Science): Сколковский Институт Наук и Технологий, Москва, Россия

Закончил физический факультет МГУ им. Ломоносова (степень магистра по ядерной физике)

В data science решал и решаю задачи в самых разных сферах: от классического машинного обучения до computer vision и nlp.

Люблю участвовать в разнообразных хакатонах, соревнованиях на Kaggle.

Преподаватель
Окончила магистратуру по количественным финансам в НИУ-ВШЭ. С университета интересуется задачами машинного и глубоко обучения. Успела поработать над различными проектами: разрабатывала пайплайн для детекции и распознавания картин; интегрировала модуль распознавания в прототип автоматического сортировщика мусора с помощью ROS; собирала пайплайн распознавания видео и многие другие.

Преподаватель
Около 7 лет работает в сферах Data Science/Machine Learning. В рамках DS имел дело с data visualization и time-series analysis (anomaly detection, pattern recognition, change point detection).

Далее перешел в Assaia. Здесь основная часть времени приходится на работу с Computer Vision: segmentation, object counting, tracking (определение скорости движения объектов по видео, построение траекторий и пр.). Так как почти все задачи связаны с видео, кроме самого CV всегда занимается интересным постпроцессингом.

Окончил физический факультет СПбГУ, где обучался на кафедре математической физики по направлению «Теория вероятности». Пишет кандидатскую.

Последние 1,5 года — ML Team Leader команды из ~10 человек. Кроме ML занимается MIP-задачами.

Преподаватель
Более пяти лет занимается машинным обучением. Имеет опыт в компьютерном зрении, речевых технологиях и оптимизации нейронных сетей. В настоящее время исследует новые подходы к машинному обучению в Тинькофф Банке. Любит математику, хорошо написанный ML-код, документацию и тесты. Использует в работе фреймворки глубокого обучения PyTorch и TensorFlow.

До Тинькофф Банка работал в Mail.ru над системами компьютерного зрения и в компании Яндекс, где разрабатывал речевые технологии для Алисы.

4+ лет Deep Learning Computer Vision инженер. Три года был в команде R&D в качестве исследователя алгоритмов Deep Learning. Разрабатывал алгоритмы распознавания лиц, распознавания номеров, детектирования толпы и другие алгоритмы видеоаналитики. Также в это время участвовал во внутренних стартапах кампании, таких как оценка 3D позы человека по одной фотографии и с помощью алгоритма оценки позы человека и последующей аналитики выполнял подсчет количества фитнес упражнений и выполнял оценку их качества. После этого в качестве руководителя команды Deep Learning разработчиков разрабатывал продукт видеоаналитики, также связанный с распознаванием лиц и номеров автомобилей. В данный момент работаю в аутсорс компании, решая различные задачи Computer Vision, такие как OCR, и последующая обработка распознанного текста с помощью NLP.

Инженер-исследователь научной группы ADASE в Сколтехе, выпусник кафедры системного анализа ВМК МГУ и Техносферы MailRu. Энтузиаст в сфере машинного обучения и компьютерного зрения. Контрибьютор опенсорс фреймворков. Многократный победитель хакатонов по анализу данных.
Является автором статей на международных конференциях: WACV по теме сегментации и детекции частей тела и позы человека, и на CVPR по теме сегментации и восстановления объектов на 3D сканах.
Ранее работал в сфере анализа данных в ритейле. Занимался обработкой больших данных и детекцией аномалий с помощью модели на основе градиентного бустинга.

Преподаватель
Занимается разработкой систем анализа поведения и действий. Работал над проектами по дистанционному зондированию и анализу данных с метеозондов, спутников и других БПЛА.
Научные интересы в области распознавания поз и действий человека и стеганографии с применением нейронных сетей

Разработчик и исследователь с 10+ лет опыта работы в России, Германии и Эстонии, специализирующийся на глубоком обучении, компьютерном зрении и беспилотных автомобилях. В данный момент Дмитрий является тим-лидом в исследовательском центре Huawei и работает над зрением беспилотных автомобилей и распределенной тренировкой нейронных сетей.

Работает в лидирующем российском маркетплейсе OZON. Занимался задачами с использованием как классического Machine Learning, так и Deep Learning алгоритмов с использованием нейронных сетей в задачах NLP и CV, а также проведением различных аналитических исследований:

- Задачи NLP (Topic Modeling, NER) и CV (face detection, instance segmentation, semantic segmentation, age/gender classification) для анализа социальных сетей
- Кластерный анализ целевых аудитории (clustering)
- Прогнозирование бизнес-метрик (classical ML)
- Аудиторное профилирование и персонализация рекламы

Самостоятельно занимался изучением Machine Learning. Знает, что нужно для освоения новой профессии и какие при этом возникают вопросы.

Преподаватель
Соавтор курсов "Компьютерное зрение" и "Deep Learning"

В Mail.Ru Group был первым сотрудником в группе по анализу данных департамента рекламных технологий. После того, как группа выросла в отдел, возглавил группу сегментирования аудитории. Руководил и участвовал в проектах, связанных с анализом пользовательского поведения в рекламе, соцсетях, играх и т. д.

С 2016 года применяет методы глубокого обучения для научных исследований в области медицинской химии совместно с командой Insilico Medicine, где после успешного проекта занял должность директора по AI. В конце 2017 г. возглавил дочернюю компанию Insilico Taiwan в качестве исполнительного директора.

В 2008 году получил специальность математика и системного программиста в Кубанском Государственном Университете на Факультете Компьютерных Наук и Прикладной Математики, с 2013 года занимается машинным обучением.

Соавтор книги Глубокое обучение
Соавтор многочисленных научных публикаций: Google Scholar
Директор ключевых исследовательских программ. Институт Искусственного Интеллекта

Антон
Витвицкий
Нурислам
Турсынбек
Иван
Мордовец
Анна
Закутняя
Сергей
Цыкин
Иван
Карпухин
Влад
Артемьев
Эмиль
Богомолов
Артем
Васильев
Дмитрий
Хизбуллин
Андрей
Канашов
Артур
Кадурин

Преподаватели

Антон Витвицкий
Boost Arria NLG, Director of Computer Vision
Эксперт по компьютерному зрению и глубокому обучению, дипломированный инженер-программист и кандидат физ-мат наук.

С 2012 по 2017 занимался распознаванием лиц в компании WalletOne, чьи решения поставлялись для бизнеса в странах Южной Африки и Европы. Участвовал в стартапе Mirror-AI, где руководил командой компьютерного зрения. В 2017 стартап прошел Y-combinator и получили инвестиции для создания приложения в котором пользователь может реконструировать свой аватар по селфи. В 2019 участвовал в британском стартапе Kazendi Ltd., в проекте HoloPortation. Цель проекта - реконструкция 3D-аватаров для очков дополненной реальности HoloLens. C 2020 руководит командой компьютерного зрения в американском стартапе Boost Inc., который занимается видеоаналитикой в баскетболе для NCAA.

Руководитель программы
Нурислам Турсынбек
Computer Vision Engineer at RemedyLogic
Место работы:
Computer Vision Engineer at RemedyLogic

Место учёбы:
Бакалавриат: Назарбаев Университет, Астана, Казахстан Магистратура (Data Science): Сколковский Институт Наук и Технологий, Москва, Россия

Иван Мордовец
Старший специалист по анализу данных в Билайн
Закончил физический факультет МГУ им. Ломоносова (степень магистра по ядерной физике)

В data science решал и решаю задачи в самых разных сферах: от классического машинного обучения до computer vision и nlp.

Люблю участвовать в разнообразных хакатонах, соревнованиях на Kaggle.

Преподаватель
Анна Закутняя
Программист-исследователь в Epoch8/AGIMA.AI
Окончила магистратуру по количественным финансам в НИУ-ВШЭ. С университета интересуется задачами машинного и глубоко обучения. Успела поработать над различными проектами: разрабатывала пайплайн для детекции и распознавания картин; интегрировала модуль распознавания в прототип автоматического сортировщика мусора с помощью ROS; собирала пайплайн распознавания видео и многие другие.

Преподаватель
Сергей Цыкин
ML Team Leader, Assaia
Около 7 лет работает в сферах Data Science/Machine Learning. В рамках DS имел дело с data visualization и time-series analysis (anomaly detection, pattern recognition, change point detection).

Далее перешел в Assaia. Здесь основная часть времени приходится на работу с Computer Vision: segmentation, object counting, tracking (определение скорости движения объектов по видео, построение траекторий и пр.). Так как почти все задачи связаны с видео, кроме самого CV всегда занимается интересным постпроцессингом.

Окончил физический факультет СПбГУ, где обучался на кафедре математической физики по направлению «Теория вероятности». Пишет кандидатскую.

Последние 1,5 года — ML Team Leader команды из ~10 человек. Кроме ML занимается MIP-задачами.

Преподаватель
Иван Карпухин
Ведущий исследователь-программист в Тинькофф Банке
Более пяти лет занимается машинным обучением. Имеет опыт в компьютерном зрении, речевых технологиях и оптимизации нейронных сетей. В настоящее время исследует новые подходы к машинному обучению в Тинькофф Банке. Любит математику, хорошо написанный ML-код, документацию и тесты. Использует в работе фреймворки глубокого обучения PyTorch и TensorFlow.

До Тинькофф Банка работал в Mail.ru над системами компьютерного зрения и в компании Яндекс, где разрабатывал речевые технологии для Алисы.

Влад Артемьев
4+ лет Deep Learning Computer Vision инженер. Три года был в команде R&D в качестве исследователя алгоритмов Deep Learning. Разрабатывал алгоритмы распознавания лиц, распознавания номеров, детектирования толпы и другие алгоритмы видеоаналитики. Также в это время участвовал во внутренних стартапах кампании, таких как оценка 3D позы человека по одной фотографии и с помощью алгоритма оценки позы человека и последующей аналитики выполнял подсчет количества фитнес упражнений и выполнял оценку их качества. После этого в качестве руководителя команды Deep Learning разработчиков разрабатывал продукт видеоаналитики, также связанный с распознаванием лиц и номеров автомобилей. В данный момент работаю в аутсорс компании, решая различные задачи Computer Vision, такие как OCR, и последующая обработка распознанного текста с помощью NLP.

Эмиль Богомолов
Инженер-исследователь научной группы ADASE в Сколтехе, выпусник кафедры системного анализа ВМК МГУ и Техносферы MailRu. Энтузиаст в сфере машинного обучения и компьютерного зрения. Контрибьютор опенсорс фреймворков. Многократный победитель хакатонов по анализу данных.
Является автором статей на международных конференциях: WACV по теме сегментации и детекции частей тела и позы человека, и на CVPR по теме сегментации и восстановления объектов на 3D сканах.
Ранее работал в сфере анализа данных в ритейле. Занимался обработкой больших данных и детекцией аномалий с помощью модели на основе градиентного бустинга.

Преподаватель
Артем Васильев
Ведущий Инженер Разработки ПАО Сбербанк
Занимается разработкой систем анализа поведения и действий. Работал над проектами по дистанционному зондированию и анализу данных с метеозондов, спутников и других БПЛА.
Научные интересы в области распознавания поз и действий человека и стеганографии с применением нейронных сетей

Дмитрий Хизбуллин
Разработчик и исследователь с 10+ лет опыта работы в России, Германии и Эстонии, специализирующийся на глубоком обучении, компьютерном зрении и беспилотных автомобилях. В данный момент Дмитрий является тим-лидом в исследовательском центре Huawei и работает над зрением беспилотных автомобилей и распределенной тренировкой нейронных сетей.

Андрей Канашов
Senior Data Scientist в OZON
Работает в лидирующем российском маркетплейсе OZON. Занимался задачами с использованием как классического Machine Learning, так и Deep Learning алгоритмов с использованием нейронных сетей в задачах NLP и CV, а также проведением различных аналитических исследований:

- Задачи NLP (Topic Modeling, NER) и CV (face detection, instance segmentation, semantic segmentation, age/gender classification) для анализа социальных сетей
- Кластерный анализ целевых аудитории (clustering)
- Прогнозирование бизнес-метрик (classical ML)
- Аудиторное профилирование и персонализация рекламы

Самостоятельно занимался изучением Machine Learning. Знает, что нужно для освоения новой профессии и какие при этом возникают вопросы.

Преподаватель
Артур Кадурин
Директор ключевых исследовательских программ. Институт Искусственного Интеллекта
Соавтор курсов "Компьютерное зрение" и "Deep Learning"

В Mail.Ru Group был первым сотрудником в группе по анализу данных департамента рекламных технологий. После того, как группа выросла в отдел, возглавил группу сегментирования аудитории. Руководил и участвовал в проектах, связанных с анализом пользовательского поведения в рекламе, соцсетях, играх и т. д.

С 2016 года применяет методы глубокого обучения для научных исследований в области медицинской химии совместно с командой Insilico Medicine, где после успешного проекта занял должность директора по AI. В конце 2017 г. возглавил дочернюю компанию Insilico Taiwan в качестве исполнительного директора.

В 2008 году получил специальность математика и системного программиста в Кубанском Государственном Университете на Факультете Компьютерных Наук и Прикладной Математики, с 2013 года занимается машинным обучением.

Соавтор книги Глубокое обучение
Соавтор многочисленных научных публикаций: Google Scholar
Директор ключевых исследовательских программ. Институт Искусственного Интеллекта

Необходимые знания

  • Математика на уровне средней школы.
  • Владение языком программирования Python на базовом уровне.
Корпоративное обучение для ваших сотрудников
>
Программа обучения
В процессе обучения вы получите комплексные знания и навыки.
C 28 сентября
Тема 1. Обзорное занятие
Тема 2. От нейрона к нейронной сети**
Тема 3. Градиентный спуск и backpropagation*
Тема 4. Распределения и информация
Тема 5. Python и Kaggle**
Тема 6. Numpy и Scipy*
Тема 7. PyTorch
Тема 8. Логрегрессия на pytorch
C 2 ноября
Тема 9. Адаптивные методы градиентного спуска*
Тема 10. Переобучение и регуляризация
Тема 11. Взрыв и затухание градиентов
Тема 12. Автокодирование и вариационный автокодировщик*
Тема 13. Введение в NLP**
Тема 14. Metric Learning
Тема 15. Обучение с подкреплением. Q-learning для TicTacToe
Тема 16. AutoML
C 30 ноября
Тема 17. Сверточные сети. Классифицируем MNIST*
Тема 18. Сверточные сети, fine-tunning*
Тема 19. Методы оптимизации сетей: prunning, mixint, quantization
Тема 20. Выбор темы и организация проектной работы
Тема 21. Рекуррентные сети
Тема 22. Transformers. Теория
Тема 23. Transformers. Практика*
Тема 24. Generative Adversarial Networks (GANs)
Тема 25. Графовые модели
C 2 января
Тема 26. Консультация по проектам и домашним заданиям
Тема 27. Защита проектных работ
Скачать подробную программу
Выпускной проект
В рамках курса предусмотрена защита проекта. Он представляет собой генеративную модель для порождения текста заданного стиля или изображений заданной тематики.


Работа над проектом проходит поэтапно:
1. Выбор тематики.
2. Сбор и подготовка соответствующих данных.
3. Построение и обучение генеративной модели.


Проект выполняется программистом в течение двух недель после прохождения курса. Готовое решение должно включать в себя код модели и ее обучения на Python, описание архитектуры модели, отчет об обучении модели и примеры генерации.


Примеры тем проекта:

  • обучение с подкреплением. Нейронная сеть для игры в крестики-нолики;

  • компьютерное зрение. Генерация новых изображений;

  • обработка естественных языков. Посимвольная генерация текста.

Процесс обучения

Образовательный процесс на курсе "Deep Learning. Basic" проходит в формате вебинаров (онлайн). Слушателям предлагаются к выполнению домашние задания, которые позволят применить на практике полученные во время вебинаров знания. По каждому домашнему заданию преподаватель даёт развернутый фидбек. При написании кода используется Python. Преподаватель находится в едином коммуникационном пространстве с группой, т. е. слушатель может задавать преподавателю уточняющие вопросы по материалам лекций и домашних заданий. Интенсивность: 2 онлайн-вебинара в неделю по 2 часа каждый и от 1 до 4 часов на домашнюю работу.
Получить консультацию
Наш специалист свяжется с вами в ближайшее время. Если у вас возникли трудности в выборе курса или проблемы технического плана, то мы с радостью поможем вам.
Спасибо!
Мы получили Вашу заявку, в ближайшее время с Вами свяжется наш менеджер.

После обучения вы


  • получите материалы по всем пройденным занятиям (презентации, видеозаписи вебинаров, примеры кодов на Python);

  • станете специалистом в такой сфере, как глубокое машинное обучение;

  • получите сертификат об окончании курса;

  • получите приглашение пройти собеседование в компаниях-партнёрах (в случае успешного освоения программы курса).

Дата выдачи сертификата: 25 февраля 2023 года
Ваш сертификат

онлайн-образование

Сертификат №0001

Константин Константинопольский

Успешно закончил курс «Deep Learning»
Выполнено практических заданий: 16 из 16

Общество с ограниченной ответственностью “Отус Онлайн-Образование”

Город:
Москва

Директор департамента образования
ООО “Отус Онлайн-Образование”
Анна Фирсова

Лицензия на осуществление образовательной деятельности
№ 039825 от 28 декабря 2018 года.

онлайн-образование

Сертификат №0001

Константин Константинопольский

Успешно закончил курс «Deep Learning»
Выполнено практических заданий: 16 из 16

Общество с ограниченной ответственностью “Отус Онлайн-Образование”

Город:
Москва

Директор департамента образования
ООО “Отус Онлайн-Образование”
Анна Фирсова

Лицензия на осуществление образовательной деятельности
№ 039825 от 28 декабря 2018 года.
Прошедшие открытые вебинары
Открытый вебинар — это настоящее занятие в режиме он-лайн с преподавателем курса, которое позволяет посмотреть, как проходит процесс обучения. В ходе занятия слушатели имеют возможность задать вопросы и получить знания по реальным практическим кейсам.
Transfer learning при помощи перемежающейся тренировки
Дмитрий Хизбуллин
День открытых дверей
4 августа 2021 года в 20:00
Для доступа к прошедшим мероприятиям необходимо пройти входное тестирование
Возможность пройти вступительное тестирование повторно появится только через 2 недели
Результаты тестирования будут отправлены вам на e-mail, указанный при регистрации.
Тест рассчитан на 30 минут, после начала тестирования отложить тестирование не получится!

Партнеры ждут выпускников этого курса

Стоимость обучения
Cтоимость указана для оплаты физическими лицами
63 000 ₽
Продолжительность
4 месяца
Начало занятий
28 сентября