модуль #1 Введение в глубокое обучение Обзор глубокого обучения, истории и приложений
модуль #2 Математические предпосылки Обзор линейной алгебры, исчисления и теории вероятностей
модуль #3 Основы нейронных сетей Введение в искусственные нейронные сети, персептроны и многослойные персептроны
модуль #4 Функции активации и обратное распространение Функции активации, обратное распространение и градиентный спуск
модуль #5 Создание и обучение нейронных сетей Практический опыт создания и обучения нейронных сетей с использованием фреймворка глубокого обучения
модуль #6 Сверточные нейронные сети (CNN) Введение в CNN, сверточные слои и слои пула
модуль #7 Архитектуры CNN Архитектуры AlexNet, VGGNet, GoogLeNet и ResNet
модуль #8 Передача обучения и тонкая настройка Использование предварительно обученных CNN модели и тонкая настройка для задач классификации изображений
модуль #9 Рекуррентные нейронные сети (RNN) Введение в RNN, простые RNN и сети LSTM
модуль #10 Архитектуры RNN GRU, двунаправленные RNN и модели кодировщика-декодера
модуль #11 Модели«последовательность-последовательность Машинный перевод, чатботы и модели«последовательность-последовательность
модуль #12 Генеративные модели Введение в генеративные модели, GAN и VAE
модуль #13 Автокодировщики и вариационные автокодировщики Снижение размерности, автокодировщики и VAE
модуль #14 Генеративные состязательные сети (GAN) GAN, DCGAN и условные GAN
модуль #15 Глубокое обучение с подкреплением Введение в обучение с подкреплением, Q-обучение и политику градиенты
модуль #16 Алгоритмы глубокого обучения с подкреплением DDPG, методы Actor-Critic и AlphaGo
модуль #17 Неконтролируемое обучение и кластеризация K-средние, иерархическая кластеризация и снижение размерности
модуль #18 Глубокое обучение для обработки естественного языка Внедрение слов, языковые модели и классификация текста
модуль #19 Механизмы внимания Внимание в NLP, трансформаторах и BERT
модуль #20 Глубокое обучение для компьютерного зрения Обнаружение, сегментация и отслеживание объектов
модуль #21 Фреймворки глубокого обучения TensorFlow, PyTorch и Keras
модуль #22 Оценка модели и настройка гиперпараметров Метрики оценки модели, настройка гиперпараметров и перекрестная проверка
модуль #23 Развертывание и производство глубокого обучения Развертывание модели, обслуживание модели и производство
модуль #24 Этика и справедливость в глубоком обучении Этические соображения, предвзятость и справедливость в моделях глубокого обучения
модуль #25 Подведение итогов и заключение курса Планирование следующих шагов в карьере в сфере глубокого обучения
