Текст площадки «Stepik». Упомянутые цены и обещанные результаты могут быть неактуальны; условия покупки проверяйте у продавца.
Курс посвящен введению в глубокое обучение, нейросети и компьютерное зрение. Начинаем с основ машинного и глубокого обучения, переходим к CNN для обработки картинок, заканчиваем работой с генеративными моделями, такими как GANs.
Курс состоит из лекций, семинаров и домашних заданий. В течение курса вам предстоит много п
Читать полное описание
Этот курс предназначен для тех, кто начинает свой путь в мир искусственного интеллекта и глубокого обучения. Вы познакомитесь с ключевыми концепциями машинного обучения, нейронных сетей и их применением в реальных задачах, таких как обработка изображений, семантическая сегментация, детекция объектов и генеративные модели. Курс сочетает теоретические лекции с практическими семинарами
Для работы с нейронными сетями вы научитесь использовать библиотеку PyTorch, также научитесь работать с популярными библиотеками: NumPy, Scikit-learn, Matplotlib, Pandas и другие.
Курс включает 12 модулей, охватывающих основы ИИ, линейные модели, композиции алгоритмов, нейронные сети и продвинутые архитектуры. Выполняя практические задания, вы будете создавать и обучать свои модели машинного обучения и нейронных сетей, а также дообучать существующие модели. В финале вы разработаете итоговый проект, который закрепит полученные знания. По окончании курса вы получите сертификат.
Курс предназначен для тех, кто уже имеет опыт программирования на Python, а также уверенно знает школьную и вузовскую математику.
Мы поговорим об общей теории нейронных сетей, а также о нейронных сетях в компьютерном зрении.
Форма регистрации на курс. Необходимо заполнить для получения диплома.
Наш сайт
FAQ
Наша группа ВК
Наш TG канал
Чат семестра в TG
*Deep Learning School – учебная организация на базе Физтех-школы прикладной математики и информатики Московского физико-технического института.
Один курс · разные способы доступа
Где удобнее учиться?
Сравните цену и то, как будете заниматься.
Выбирайте не только по цене
ЦенаСумма и выгодность предложения
Удобство интерфейсаОценка формата занятий
Встроенный просмотрБез скачивания всего курса
Занятия с телефонаБез работы с архивами
Без рекламыПри работе с материалами
Найти нужный моментНе пересматривая весь урок
Разобраться в темеПомощь по содержанию, не куратор
Эти данные взяты из программы и описания площадки. Пустое поле означает, что на странице курса ответа не было.
Документ
Курс включает 12 модулей, охватывающих основы ИИ, линейные модели, композиции алгоритмов, нейронные сети и продвинутые архитектуры. Выполняя практические задания, вы будете создавать и обучать свои модели машинного обучения и нейронных сетей, а также дообучать существующие модели. В финале вы разработаете итоговый проект, который закрепит полученные знания. По окончании курса вы получите сертификат.Проверено 11.11.2026 · Источник ↗︎
Документ
На странице курса указано: сертификат не выдаётся.Проверено 11.11.2026 · Источник ↗︎
Темы программы
Организационная информация; Введение в искусственный интеллект; Основы машинного обучения; Домашнее задание. Основы машинного обучения; Линейные модели; Домашнее задание. Линейные модели; Композиции алгоритмов и выбор модели; Домашнее задание. Решение ML-соревнованияПроверено 11.11.2026 · Источник ↗︎
Команда курса
Авторы и преподаватели
Школа глубокого обучения МФТИАвтор материалов
Сведения источников
Что пишут о курсе разные площадки
Продавцы могут по-разному указать название, автора и программу. Ниже приведены отдельные описания источников.
Stepik[АРХИВ] Deep Learning (семестр 1, весна 2025)
Курс посвящен введению в глубокое обучение, нейросети и компьютерное зрение. Начинаем с основ машинного и глубокого обучения, переходим к CNN для обработки картинок, заканчиваем работой с генеративными моделями, такими как GANs.
Курс состоит из лекций, семинаров и домашних заданий. В течение курса вам предстоит много практики, а в конце — самостоятельный итоговый проект. Преподаватели школы — ведущие специалисты российских и зарубежных IT-компаний и научные сотрудники исследовательских компаний.
Указаны на площадке: Школа глубокого обучения МФТИ
Этот курс предназначен для тех, кто начинает свой путь в мир искусственного интеллекта и глубокого обучения. Вы познакомитесь с ключевыми концепциями машинного обучения, нейронных сетей и их применением в реальных задачах, таких как обработка изображений, семантическая сегментация, детекция объектов и генеративные модели. Курс сочетает теоретические лекции с практическими семинарами
Для работы с нейронными сетями вы научитесь использовать библиотеку PyTorch, также научитесь работать с популярными библиотеками: NumPy, Scikit-learn, Matplotlib, Pandas и другие.
Курс включает 12 модулей, охватывающих основы ИИ, линейные модели, композиции алгоритмов, нейронные сети и продвинутые архитектуры. Выполняя практические задания, вы будете создавать и обучать свои модели машинного обучения и нейронных сетей, а также дообучать существующие модели. В финале вы разработаете итоговый проект, который закрепит полученные знания. По окончании курса вы получите сертификат.
Курс предназначен для тех, кто уже имеет опыт программирования на Python, а также уверенно знает школьную и вузовскую математику.
Мы поговорим об общей теории нейронных сетей, а также о нейронных сетях в компьютерном зрении.
Форма регистрации на курс. Необходимо заполнить для получения диплома.
Наш сайт
FAQ
Наша группа ВК
Наш TG канал
Чат семестра в TG
*Deep Learning School – учебная организация на базе Физтех-школы прикладной математики и информатики Московского физико-технического института.
Программа этой площадки
Организационная информация
Введение в искусственный интеллект
Основы машинного обучения
Домашнее задание. Основы машинного обучения
Содержание обучения
Что в программе
01Организационная информация1 урок
О курсеВремя не указано
02Введение в искусственный интеллект2 урока
Лекция, введение в ИИ. Михаил БурцевВремя не указано
Инструменты курса. Время не указано
03Основы машинного обучения3 урока
Лекция. Введение в машинное обучение. Время не указано
Семинар. Введение в ML. Pandas, Matplotlib, Sklearn.Время не указано
Дополнительный семинар. Feature engineering: допглавы Время не указано
04Домашнее задание. Основы машинного обучения1 урок
Домашнее задание. Основы машинного обученияВремя не указано
05Линейные модели3 урока
Лекция. Линейные модели.Время не указано
Семинар. Линейные модели.Время не указано
Дополнительные материалы.Время не указано
06 Домашнее задание. Линейные модели1 урок
Домашнее задание. Линейные модели и методы оптимизацииВремя не указано
«В Курсе» — наш основной вариант для перехода. В таблице — возможности сервисов; состав конкретного курса уточняйте перед оплатой.
Как мы оцениваем и что входит в доступ
Звёзды — наша оценка, не отзывы покупателей. Удобство: 2 базовых балла, по одному за занятия без обязательного скачивания, навигацию по курсу и встроенного помощника. Оценка описывает формат сервиса, а не проверку каждого урока.
Цена сравнивается только при подтверждённых одинаковых тарифе, сроке и виде оплаты. Разница с минимальной ценой до 10% — 5 звёзд, до 30% — 4, до 60% — 3, до 100% — 2, больше — 1. Устаревшие и неизвестные цены не оцениваются. Прочерк означает, что данных недостаточно, а не что функции нет.
В Курсе
Зарегистрируйтесь, чтобы уточнить возможность доступа к этому материалу
Stepik
Курс включает 12 модулей, охватывающих основы ИИ, линейные модели, композиции алгоритмов, нейронные сети и продвинутые архитектуры. Выполняя практические задания, вы будете создавать и обучать свои модели машинного обучения и нейронных сетей, а также дообучать существующие модели. В финале вы разработаете итоговый проект, который закрепит полученные знания. По окончании курса вы получите сертификат.
На странице курса указано: сертификат не выдаётся.
Условия проверены 11.11.2026. Перед оплатой проверьте состав предложения у продавца.
Линейные модели
Домашнее задание. Линейные модели
Композиции алгоритмов и выбор модели
Домашнее задание. Решение ML-соревнования
Введение в нейронные сети
Сверточные нейросети
Домашнее задание. Сверточные и полносвязные нейросети
Продвинутое обучение нейросетей
Архитектуры CNN и Fine-Tuning
Домашнее задание. Архитектуры CNN и Fine-Tuning
Семантическая сегментация
Домашнее задание. Сегментация изображений
Дополнительный модуль. Основы области Explainable AI
Детекция объектов
Домашнее задание. Детекция объектов
Генеративные модели и автоэнкодеры
Домашнее задание. Автоэнкодеры
Генеративно-состязательные сети
Домашнее задание. Генеративно-состязательные сети
Итоговый проект
Модуль для дополнительных баллов
Получено 11.11.2026
Stepik[АРХИВ] Deep Learning (семестр 2, весна 2025)
Курс посвящен использованию нейросетевых моделей для обработки естественного языка (NLP) . Курс рассчитан на студентов, прошедших курс первого семестра нашей школы Deep Learning School.
Курс состоит из лекций, семинаров и домашних заданий. В течение курса вам предстоит много практики, а в конце — самостоятельный итоговый проект. Практика проходит на PyTorch. Преподаватели школы — ведущие специалисты российских и зарубежных IT-компаний и научные сотрудники исследовательских компаний.
Получено 15.11.2026
Время не указано
Допматериал. Метрики машинного обучения.Время не указано
Семинар. Выбор моделей и цикл разработки.Время не указано
08Домашнее задание. Решение ML-соревнования1 урок
Домашнее задание. ML соревнованиеВремя не указано
09Введение в нейронные сети4 урока
Лекция. Введение в нейронные сети. Время не указано
Семинар. Введение в библиотеку Pytorch.Время не указано
Дополнительные материалы к модулюВремя не указано
Дополнительные материалы. Математика.Время не указано
10Сверточные нейросети2 урока
Лекция. Сверточные нейросети.Время не указано
Семинар. Модули в PyTorch и CNN.Время не указано
11Домашнее задание. Сверточные и полносвязные нейросети1 урок
Домашнее задание. Сверточные и полносвязные нейросетиВремя не указано
12Продвинутое обучение нейросетей2 урока
Лекция. Продвинутое обучение нейронных сетей.Время не указано
Семинар. Продвинутое обучение нейросетей.Время не указано
13Архитектуры CNN и Fine-Tuning2 урока
Лекция. Классификация изображений. Татьяна ГайнцеваВремя не указано
Семинар. Классификация изображений.Время не указано
14Домашнее задание. Архитектуры CNN и Fine-Tuning1 урок
Домашнее задание. Классификация СимпсоновВремя не указано
15Семантическая сегментация4 урока
Лекция. Семантическая сегментация. Время не указано
Семинар. Семантическая сегментация.Время не указано
Опционально: Семинар. Семантическая сегментация.Время не указано
Открытая лекция. Задача интерактивной сегментацииВремя не указано
16Домашнее задание. Сегментация изображений1 урок
Домашнее задание. Сегментация изображенийВремя не указано
17Дополнительный модуль. Основы области Explainable AI2 урока
Лекция. Основы области Explainable AI для моделей моВремя не указано
Семинар. Основы области Explainable AI для моделей моВремя не указано
18Детекция объектов2 урока
Лекция. Детекция объектов.Время не указано
Семинар. Детекция объектов.Время не указано
19Домашнее задание. Детекция объектов1 урок
Домашнее задание. Детекция.Время не указано
20 Генеративные модели и автоэнкодеры3 урока
Лекция. Автоэнкодеры.Время не указано
Семинар. Автоэнкодеры.Время не указано
Опционально: Лекция. Автоэнкодеры. Никита БалаганскийВремя не указано
21Домашнее задание. Автоэнкодеры1 урок
Домашнее задание. АвтоэнкодерыВремя не указано
22 Генеративно-состязательные сети3 урока
Лекция. GANs.Время не указано
Семинар (part 1) - введение в GANs.Время не указано
Семинар (part 2). Инверсия StyleGAN-2Время не указано
Курс посвящен введению в глубокое обучение, нейросети и компьютерное зрение. Начинаем с основ машинного и глубокого обучения, переходим к CNN для обработки картинок, заканчиваем переносом стиля изображений и ГАНами.
Курс состоит из лекций, семинаров и домашних заданий. В течение курса вам предстоит много практики, а в
Курс посвящен введению в глубокое обучение, нейросети и компьютерное зрение. Начинаем с основ машинного и глубокого обучения, переходим к CNN для обработки картинок, заканчиваем работой с генеративными моделями, такими как GANs.
Курс состоит из лекций, семинаров и домашних заданий. В течение курса вам предстоит много п
Курс посвящен введению в глубокое обучение, нейросети и компьютерное зрение. Начинаем с основ машинного и глубокого обучения, переходим к CNN для обработки картинок, заканчиваем переносом стиля изображений и ГАНами.
Курс состоит из лекций, семинаров и домашних заданий. В течение курса вам предстоит много практики, а в
Курс посвящен использованию нейросетевых моделей для обработки естественного языка (NLP) . Курс рассчитан на студентов, прошедших курс первого семестра нашей школы Deep Learning School.
Курс состоит из лекций, семинаров и домашних заданий. В течение курса вам предстоит много практики, а в конце — самостоятельный итогов
Курс посвящен введению в глубокое обучение, нейросети и компьютерное зрение. Начинаем с основ машинного и глубокого обучения, переходим к CNN для обработки картинок, заканчиваем работой с генеративными моделями, такими как GANs.
Курс состоит из лекций, семинаров и домашних заданий. В течение курса вам предстоит много п
Курс посвящен использованию нейросетевых моделей для обработки естественного языка (NLP) . Курс рассчитан на студентов, прошедших курс первого семестра нашей школы Deep Learning School.
Курс состоит из лекций, семинаров и домашних заданий. В течение курса вам предстоит много практики, а в конце — самостоятельный итогов