Идет осенний семестр 2023
Набор на весенний семестр 2024 откроется в январе
Набор на весенний семестр 2024 откроется в январе
Наши партнеры
Новость: возможность премиальной поддержки
Наши основные курсы всегда были и остаются бесплатными для всех. Однако теперь мы даем возможность приобрести дополнительную поддержку от менторов и преподавателей на время прохождения курса. Подробнее о том, что входит в премиальную поддержку и как ее приобрести — ниже
В пакет премиальной поддержки входит:
Стоимость премиальной поддержки — 8000р за семестр.
Как приобрести:
Чтобы приобрести премиальную поддержку, выберите "да" в вопросе "Я хочу купить премиальную поддержку" в форме регистрации. Если вы уже заполнили форму регистрации, но хотите приобрести премиальную поддержку, напишите нам на email: dlphystech@gmail.com
- Доступ в закрытый чат с преподавателями и однокурсниками, которые также приобрели премиальный пакет. В одном таком чате находится не более 100 человек. Доступ к общему чату слушателей курса тоже сохраняется;
- Доступ к дополнительным живым вебинарам от преподавателей. Вебинары будут проходить раз в месяц, всего будет 5-6 вебинаров. На них будут более глубоко разбираться некоторые темы курса, а также те темы, которые покажутся интересными участникам премиальной поддержки;
- Персональный ментор, который будет отвечать на ваши вопросы по курсу и помогать с домашним заданием. Ментор будет на связи 1.5 часа два раза в неделю;
- Приоритетная проверка домашних заданий. Те ваши домашние задания, у которых предусмотрена ручная проверка, будут проверяться быстрее. Также у вас есть возможность получить фидбек и ручную проверку домашних заданий, для которых не предусмотрено ручной проверки.
Стоимость премиальной поддержки — 8000р за семестр.
Как приобрести:
Чтобы приобрести премиальную поддержку, выберите "да" в вопросе "Я хочу купить премиальную поддержку" в форме регистрации. Если вы уже заполнили форму регистрации, но хотите приобрести премиальную поддержку, напишите нам на email: dlphystech@gmail.com
Deep Learning School
Школа глубокого обучения ФПМИ МФТИ
Школа глубокого обучения — это образовательный проект Физтех-школы прикладной математики и информатики МФТИ. На наших курсах мы учим искусственному интеллекту и нейронным сетям с самых азов и до продвинутого уровня. Занятия ведут выпускники ФПМИ МФТИ, имеющие опыт разработки и исследований в области ИИ
Наши курсы
Наш курс разбит на две части, каждая из которых длится полгода.
Первая часть посвящена введению в машинное обучение и нейронные сети, а также применению нейросетей для компьютерного зрения. Вторая часть покрывает темы обработки текста и аудио.
Набор на новый поток обучения стартует каждые сентябрь и февраль. Сейчас открыт набор на поток осень-2023.
Программа обучения
Темы первой части курса
Более подробная информация об обучении и полная программа находятся на странице первой части курса
Более подробная информация об обучении и полная программа находятся на странице первой части курса
Машинное обучение
- Базовые понятия машинного обучения
- Линейные модели и решающие деревья
- Предобработка данных, подбор параметров модели
- Практика: решение задач МО
Полносвязные нейросети
- Устройство нейрона и нейронной сети
- Процесс обучения нейросетей
- Практика: обучение нейросети на задачу классификации
Сверточные нейросети
- Операция свертки и сверточная нейросеть
- Архитектуры сверхточных сетей
- Практика: сверточные нейросети для классификации изображений
Детекция объектов
- Устройство нейросетей для детекции объектов
- Практика: детекция объектов на картинке
Сегментация изображений
- Устройство нейросетей для сегментации изображений
- Транспонированная свертка, U-Net
- Практика: сегментация объектов на картинке
Генерация изображений
- Устройство автоэнкодера и его применения
- Устройство GAN
- Практика: GAN для генерации изображений
- Практика: перенос стиля изображений
Темы второй части курса
Более подробная информация об обучении и полная программа находятся на странице второй части курса
Более подробная информация об обучении и полная программа находятся на странице второй части курса
Основы обработки текста
- Задачи обработки текста
- Предобработка текста перед подачей в модель МО
- Библиотеки для работы с текстами в Python
Векторные представления слов
- Виды векторных представлений слов и текстов: Bag of words, TF-iDF, etc
- Нейронные векторные представления слов: word2vec, GloVe, FastText
Рекуррентные нейросети
- Устройство рекуррентной нейросети (RNN)
- Виды RNN: GRU, LSTM
- Практика: классификация текста на основе RNN
Языковые модели и машинный перевод
- Устройство и принцип работы языковых моделей
- Задача машинного перевода и устройство модели для ее решения
- Практика: создание языковой модели
- Практика: создание модели для машинного перевода
Механизм внимания и Трансформеры
- Механизм внимания (attention). Self-attention, cross-attention
- Архитектура Transformer
- Практика: реализация Attention и Transformer
ChatGPT, GPT-4
- Устройство ChatGPT, GPT-4
- Zero-shot learning, Instruction tuning, RLHF
Задачи NLP
- Обзор задач обработки естественного языка
- Question answering, Суммаризация текста
- Практика: суммаризация текста
Введение в обработку аудио
- Обработка аудио: основы
- Архитектуры моделей для обработки аудио
Формат обучения
Обучение полностью онлайн: нужны только ноутбук и интернет
Занятия каждую неделю: лекция, семинар и домашнее задание
Коммьюнити и поддержка: чат в телеграме с преподавателями и однокурсниками
Подробнее про формат обучения читайте на страницах курсов:
Наши преимущества
- Занятия в школе ведут выпускники и преподаватели ФПМИ МФТИ с опытом работы в разработке и исследованиях ИИ
- На наших курсах много практики. Вам предстоит много практических домашних заданий и самостоятельный итоговый проект в конце семестра.
- Мы стараемся постоянно улучшать наши курсы и обновлять материал
- Чат с однокурсниками и преподавателями дает необходимую поддержку во время прохождения курса и ответы на все вопросы
ФПМИ МФТИ
Будьте с нами!
Наша почта для связи: dlphystech@gmail.com
Также мы активно ведём нашу группу ВК, YouTube-канал и GitHub
©2023 Deep Learning School