Закрыто [Otus] Нейронные сети на Python. Часть 1 (Артур Кадурин)

​

Что даст вам этот курс

• Знание архитектур нейронных сетей, их видов и особенностей;
• Освоение методов обучения нейронных сетей;
• Умение оперировать данными, проектировать свою сеть и реализовывать её на Python с помощью фреймворка pyTorch;
• Понимание, как эффективно решать задачи анализа данных, используя глубокое машинное обучение.

Самый современный материал про машинное обучение
Программа подготовлена признанным экспертом по машинному 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.

Минимальные знания

• Знание линейной алгебры, начала анализа и теории вероятностей.
• Владение языком программирования Python на уровне Junior (знать программирование на Python на базовом уровне необходимо, так как модели машины реализуются на Python).

Процесс обучения

Образовательный процесс на курсе "Нейронные сети на Python" 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.

Спойлер: Преподаватель:

Спойлер: Содержание складчины (файлы и папки)

01. Искусственный интеллект и другие задачи которые можно решать с помощью нейронных сетей
1.pdf [14m 939k 279]
1.pptx [43m 232k 319]
dataset.ipynb [3k 429]
Dockerfile [1k 677]
homework.ipynb [733]
pytorch.ipynb [2k 8]
salt.py [121]
utils.py [1k 106]
video.mp4 [198m 391k 336]
дз.txt [403]

02. Теоретические основы обучения нейронных сетей
2.pdf [2m 462k 405]
2.pptx [1m 725k 217]
Dockerfile [1k 539]
log_reg.ipynb [4k 276]
video.mp4 [142m 344k 134]
дз.txt [243]

03. Первая нейронная сеть
3.pdf [1m 221k 740]
3.pptx [1m 431k 409]
DLE-2018-11-Lesson 3.mp4 [374m 480k 281]
MNIST_MLP.ipynb [49k 96]
video.mp4 [109m 6k 203]

04. Keras
4.pdf [5m 699k 661]
4.pptx [5m 614k 971]
MNIST_MLP_KERAS.ipynb [6k 719]
video.mp4 [102m 992k 393]
дз.txt [701]

05. TensorFlow
chat.txt [9k 606]
Otus.zip [858k 590]
tensorflow.ipynb [73k 791]
video.mp4 [291m 653k 835]

06. Переобучение и регуляризация нейронных сетей
6.pdf [4m 346k 948]
6.pptx [1m 346k 946]
Dockerfile [1k 617]
mnist_mlp.ipynb [6k 523]
utils.py [2k 454]
video.mp4 [144m 526k 188]
дз.txt [272]
Ссылки.txt [32]

07. Взрыв и затухание градиентов
chat.txt [10k 722]
Dockerfile [1k 357]
gradient_decay.zip [228m 826k 774]
gradient_slides.pdf [11m 110k 838]
mnist_mlp_6.ipynb [118k 455]
mnist_mlp_keras.ipynb [32k 629]
utils.py [2k 454]
video.mp4 [243m 525k 870]
Ссылки.txt [92]

08. Основные архитектуры нейронных сетей Автокодировщики
8.pdf [1m 782k 558]
8.pptx [1m 454k 445]
chat.txt [14k 684]
Dockerfile [1k 357]
sparse_ae.ipynb [306k 31]
sparse_ae_relu.ipynb [261k 111]
utils.py [2k 454]
video.mp4 [147m 618k 308]
дз.txt [339]

09. Основные архитектуры нейронных сетей Сверточные сети
chat.txt [9k 250]
conv_nets.pdf [1m 206k 294]
conv_nets.pptx [10m 887k 131]
conv_nets_mp4.zip [194m 562k 830]
Dockerfile [1k 358]
mnist_conv.ipynb [10k 631]
utils.py [2k 454]
video.mp4 [204m 448k 478]
дз.txt [316]

Спойлер: Складчины на другие части

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...
Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...
Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

Спойлер: Складчина на весь курс

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...