Текст площадки «Stepik». Упомянутые цены и обещанные результаты могут быть неактуальны; условия покупки проверяйте у продавца.
Курс максимально ориентирован на получение практических навыков работы с библиотеками Keras, TensorFlow и PyTorch.
По окончании курса, слушатели смогут создавать, обучать, оценивать и улучшать качество работы нейронных сетей, принимающих на вход текстовые, табличные, графические и аудиоданные.
Читать полное описание
- Рассмотрено более 40 различных задач с решениями по проектированию, обучению и тестированию нейронных сетей для работы с текстовыми, графическими, табличными и аудиоданными
- Все рассмотренные на уроках функции изучаемых библиотек сопровождаются подробным объяснением
- Помимо текстовых материалов, курс включает видеоуроки, где выделяются основные моменты по каждой теме
- Курс предусматривает выполнение обучающимися домашних заданий, а также поддержку автора по всем вопросам, возникающим при прохождении уроков.
Домашние задания можно выполнять в среде Google Colab или с использованием Jupyter Notebook. Каждое домашнее представляет собой решение некоторой задачи с использованием самостоятельно созданной и обученной нейронной сети. Для успешного выполнения каждого задания нужно подобрать гиперпараметры сети и обучить модель, а также подсчитать метрики качества работы обученной сети на новых данных.
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.
Формат
- Помимо текстовых материалов, курс включает видеоуроки, где выделяются основные моменты по каждой темеПроверено 15.11.2026 · Источник ↗︎
Документ
На странице курса указано: сертификат не выдаётся.Проверено 15.11.2026 · Источник ↗︎
Формат
- Помимо текстовых материалов, курс включает видеоуроки, где выделяются основные моменты по каждой темеПроверено 12.11.2026 · Источник ↗︎
Документ
На странице курса указано: сертификат не выдаётся.Проверено 12.11.2026 · Источник ↗︎
Темы программы
Введение в основы нейронных сетей; Архитектуры и парадигмы обучения нейронных сетей; Общие сведения о важнейших понятиях процесса обучения моделей; Понятие тензора и основные операции с этим объектом; Различные функции для работы с тензорами; Решение задачи регрессии с использованием нейронной сети; Решение задач бинарной классификации; Решение задач многоклассовой классификацииПроверено 12.11.2026 · Источник ↗︎
Команда курса
Авторы и преподаватели
Digital EducationАвтор материалов
Сведения источников
Что пишут о курсе разные площадки
Продавцы могут по-разному указать название, автора и программу. Ниже приведены отдельные описания источников.
StepikНейронные сети с нуля. Разработка на Keras, TensorFlow и PyTorch
Указаны на площадке: Digital Education
- Рассмотрено более 40 различных задач с решениями по проектированию, обучению и тестированию нейронных сетей для работы с текстовыми, графическими, табличными и аудиоданными
- Все рассмотренные на уроках функции изучаемых библиотек сопровождаются подробным объяснением
- Помимо текстовых материалов, курс включает видеоуроки, где выделяются основные моменты по каждой теме
- Курс предусматривает выполнение обучающимися домашних заданий, а также поддержку автора по всем вопросам, возникающим при прохождении уроков.
Домашние задания можно выполнять в среде Google Colab или с использованием Jupyter Notebook. Каждое домашнее представляет собой решение некоторой задачи с использованием самостоятельно созданной и обученной нейронной сети. Для успешного выполнения каждого задания нужно подобрать гиперпараметры сети и обучить модель, а также подсчитать метрики качества работы обученной сети на новых данных.
Программа этой площадки
Введение в основы нейронных сетей
Архитектуры и парадигмы обучения нейронных сетей
Общие сведения о важнейших понятиях процесса обучения моделей
Понятие тензора и основные операции с этим объектом
Различные функции для работы с тензорами
Решение задачи регрессии с использованием нейронной сети
Решение задач бинарной классификации
Решение задач многоклассовой классификации
Основы свёрточных нейронных сетей
Использование свёрточных сетей для решения различных задач
Предобученные нейронные сети и их использование
Современные идеи в области задач компьютерного зрения
Особенности решения задач с исходными данными в виде текста
Сети с блоками LSTM, GRU. Одномерные свёрточные сети
Нейронные сети для задач с исходными данными в звуковой форме
Автоэнкодеры как отдельный вид архитектуры нейронных сетей
Содержание обучения
Что в программе
01Введение в основы нейронных сетей8 уроков
Применение искусственных нейронных сетей в настоящее времяВремя не указано
Типы задач, решаемые нейронными сетямиВремя не указано
Теория нейронных сетей. ВведениеВремя не указано
Задача исключающего «ИЛИ»Время не указано
Установка инструментов для работыВремя не указано
Основы работы с Jupyter NotebookВремя не указано
Использование Google Colaboratory (Google Colab) для работыВремя не указано
Вопросы по основам PythonВремя не указано
02Архитектуры и парадигмы обучения нейронных сетей6 уроков
Решение линейно неразделимых задачВремя не указано
Архитектуры нейронных сетейВремя не указано
Вычислительный процесс одного нейронаВремя не указано
Парадигмы обучения нейронных сетейВремя не указано
Алгоритм решения задач при использовании нейронных сетейВремя не указано
Повторение основ языка PythonВремя не указано
03Общие сведения о важнейших понятиях процесса обучения моделей7 уроков
Функции активации, используемые в нейронных сетяхВремя не указано
Методы оптимизации в нейронных сетяхВремя не указано
Выбор функции потерь при обучении нейронных сетейВремя 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
- Помимо текстовых материалов, курс включает видеоуроки, где выделяются основные моменты по каждой теме
На странице курса указано: сертификат не выдаётся.
Условия проверены 15.11.2026. Перед оплатой проверьте состав предложения у продавца.
Темы программы
Введение в основы нейронных сетей; Архитектуры и парадигмы обучения нейронных сетей; Общие сведения о важнейших понятиях процесса обучения моделей; Понятие тензора и основные операции с этим объектом; Простые нейронные сети для задач регрессии в PyTorch; Нелинейные функции активации для нейронных сетей в PyTorch; Бинарная классификация с исходными данными в табличной форме; Многоклассовая классификация с исходными данными в форме таблицыПроверено 15.11.2026 · Источник ↗︎
Задача сегментации изображений. Погружение в TensorFlow
Генеративно-состязательные сети и их применение
Знакомство с библиотекой PyTorch
Простые нейронные сети для задач регрессии в PyTorch
Нелинейные функции активации для нейронных сетей в PyTorch
Бинарная классификация с исходными данными в табличной форме
Многоклассовая классификация с исходными данными в форме таблицы
Задачи компьютерного зрения на PyTorch
Создание и обучение рекуррентных сетей на PyTorch
Трансформеры в PyTorch
Создание и обучение нейронных сетей для работы со звуком
Разработка генеративно-состязательных сетей на PyTorch
Итоговое задание и заключительный раздел курса
Получено 12.11.2026
StepikНейронные сети с нуля (разработка на PyTorch)
Указаны на площадке: Digital Education
- Рассмотрено более 20 различных задач с решениями по проектированию, обучению и тестированию нейронных сетей для работы с текстовыми, графическими, табличными и аудиоданными
- Все рассмотренные на уроках функции изучаемых библиотек сопровождаются подробным объяснением
- Помимо текстовых материалов, курс включает видеоуроки, где выделяются основные моменты по каждой теме
- Курс предусматривает выполнение обучающимися домашних заданий, а также поддержку автора по всем вопросам, возникающим при прохождении уроков.
Домашние задания можно выполнять в среде Google Colab или с использованием Jupyter Notebook. Каждое домашнее представляет собой решение некоторой задачи с использованием самостоятельно созданной и обученной нейронной сети. Для успешного выполнения каждого задания нужно подобрать гиперпараметры сети и обучить модель, а также подсчитать метрики качества работы обученной сети на новых данных.
Программа этой площадки
Введение в основы нейронных сетей
Архитектуры и парадигмы обучения нейронных сетей
Общие сведения о важнейших понятиях процесса обучения моделей
Понятие тензора и основные операции с этим объектом
Простые нейронные сети для задач регрессии в PyTorch
Нелинейные функции активации для нейронных сетей в PyTorch
Бинарная классификация с исходными данными в табличной форме
Многоклассовая классификация с исходными данными в форме таблицы
Задачи компьютерного зрения на PyTorch
Использование предобученных свёрточных нейронных сетей
Задачи обработки естественного языка на PyTorch
Знакомство с трансформерами на PyTorch
Нейронные сети для задач с исходными данными в звуковой форме
Разработка генеративно-состязательных сетей на PyTorch
Итоговое задание и заключительный раздел курса
Получено 15.11.2026
Условия для использования нейронных сетейВремя не указано
Повторение важных структур библиотеки NumPyВремя не указано
Простая модель нейронной сети на PythonВремя не указано
Установка TensorFlow и PyTorch (для работы с Jupyter Notebook)Время не указано
04Понятие тензора и основные операции с этим объектом5 уроков
Библиотека TensorFlow. Понятие тензораВремя не указано
Работа с TensorFlow. Создание тензоровВремя не указано
Взаимодействие TensorFlow и NumPy. Атрибуты тензоровВремя не указано
Индексация тензоровВремя не указано
Добавление новых осей в тензорыВремя не указано
05Различные функции для работы с тензорами6 уроков
Базовые операции с тензорамиВремя не указано
Операции изменения типа тензора и операции агрегированияВремя не указано
Операции линейной алгебры, выполняемые с тензорамиВремя не указано
Функция argmaxВремя не указано
Прочие полезные на практике операции с тензорамиВремя не указано
Алгоритм решения задач с помощью Keras, TensorFlow и PyTorchВремя не указано
06Решение задачи регрессии с использованием нейронной сети6 уроков
Нейронная сеть с использованием Keras для задачи регрессииВремя не указано
Недообучение и переобучение моделей нейронных сетейВремя не указано
Метрики для задач регрессии. Гиперпараметры нейронных сетейВремя не указано
Решение задачи прогнозирования цены продажи домаВремя не указано
Масштабирование исходных данныхВремя не указано
Улучшение качества прогнозирования цены продажи домаВремя не указано
07Решение задач бинарной классификации5 уроков
Гиперпараметры нейронных сетей для задач классификацииВремя не указано
Метрики, используемые при решении задач классификацииВремя не указано
Решение задачи классификации людей на мужчин и женщинВремя не указано
Решение задачи фильтрации фейковых (фальшивых) новостейВремя не указано
Сохранение и загрузка модели нейронной сетиВремя не указано
08Решение задач многоклассовой классификации4 урока
Решение задачи определения действия человекаВремя не указано
Решение задачи определения специализации обучения студентовВремя не указано
Решение задачи классификации черно-белых изображенийВремя не указано
Использование класса Flatten в моделях нейронных сетейВремя не указано
09Основы свёрточных нейронных сетей4 урока
Особенности задач компьютерного зренияВремя не указано
Свёрточные нейронные сети. ОсновыВремя не указано
Использование классов Conv2D и MaxPooling2DВремя не указано
Пример решения задачи классификации цветных изображенийВремя не указано
10Использование свёрточных сетей для решения различных задач3 урока
Задача бинарной классификации цветных фотографийВремя не указано
Увеличение объема данных (data augmentation)Время не указано
Задача многоклассовой классификации явлений погодыВремя не указано
11Предобученные нейронные сети и их использование3 урока
Что такое предобученные нейронные сетиВремя не указано
Использование предобученной модели для классификации животныхВремя не указано
Тонкая настройка модели для текущей задачиВремя не указано
12Современные идеи в области задач компьютерного зрения3 урока
Метод функционального API при создании моделейВремя не указано
Идеи, используемые в современных нейронных сетяхВремя не указано
Решение задачи классификации изображений на 30 классовВремя не указано
13Особенности решения задач с исходными данными в виде текста3 урока
Особенности работы с текстовой информациейВремя не указано
Классификация положительных и отрицательных отзывов к фильмамВремя не указано
Решение задачи классификации текстовых описаний товаровВремя не указано
14Сети с блоками LSTM, GRU. Одномерные свёрточные сети4 урока
Рекуррентные нейронные сетиВремя не указано
Блоки LSTM и GRUВремя не указано
Одномерные свёрточные сетиВремя не указано
Решение задачи определения тональности текстаВремя не указано
15Нейронные сети для задач с исходными данными в звуковой форме4 урока
Особенности сигналов в звуковой формеВремя не указано
Решение задачи классификации голосовых командВремя не указано
Параметры аудиосигналов, используемые при решении задачВремя не указано
Решение задачи многоклассовой классификации звуковых файловВремя не указано
16Автоэнкодеры как отдельный вид архитектуры нейронных сетей5 уроков
Автоэнкодеры как особый вид нейронных сетейВремя не указано
Пример задачи с простым (классическим) автоэнкодеромВремя не указано
Создание и обучение автоэнкодера, восстанавливающего изображенияВремя не указано
Автоэнкодер для решения задачи обнаружения аномалийВремя не указано
Создание и обучение свёрточного вариационного автоэнкодераВремя не указано
17Задача сегментации изображений. Погружение в TensorFlow3 урока
Бинарная классификация изображений с использованием TensorFlowВремя не указано
Особенности задачи сегментации изображенийВремя не указано
Решение задачи сегментации фотографий домашних животныхВремя не указано
18Генеративно-состязательные сети и их применение4 урока
Что представляют собой генеративно-состязательные сетиВремя не указано
Создание и обучение простой генеративно-состязательной сетиВремя не указано
Создание и обучение модели для генерации рисунков цветовВремя не указано
Создание и обучение условной генеративно-состязательной сетиВремя не указано
19Знакомство с библиотекой PyTorch6 уроков
Библиотека PyTorch. Операции по созданию тензоровВремя не указано
Атрибуты тензоров в PyTorchВремя не указано
Дополнительные способы создания тензоров и изменение их формыВремя не указано
Математические и агрегирующие операции с тензорамиВремя не указано
Функция argmax. Операции с осями тензоровВремя не указано
Матричное умножение тензоров в PyTorchВремя не указано
20Простые нейронные сети для задач регрессии в PyTorch4 урока
Особенности создания и обучения нейронных сетей в PyTorchВремя не указано
Решение задачи линейной регрессии в PyTorchВремя не указано
Решение задачи регрессии с исходными данными в форме таблицыВремя не указано
Сохранение и загрузка обученных моделей в PyTorchВремя не указано
21Нелинейные функции активации для нейронных сетей в PyTorch3 урока
Решение задачи прогнозирования курса акций GoogleВремя не указано
Решение задачи прогнозирования продолжительности жизниВремя не указано
Заключительный раздел по решению задач регрессии Время не указано
22Бинарная классификация с исходными данными в табличной форме3 урока
Решение задачи классификации электронных писемВремя не указано
Решение задачи прогнозирования оттока клиентов банкаВремя не указано
Особенности подготовительного этапа решения задачВремя не указано
23Многоклассовая классификация с исходными данными в форме таблицы3 урока
Решение задачи классификации астрономических объектов Время не указано
Решение задачи классификации рукописных цифрВремя не указано
Обзор инструментов, относящихся к семейству PyTorchВремя не указано
24Задачи компьютерного зрения на PyTorch2 урока
Решение задачи классификации цветных изображенийВремя не указано
Решение задачи классификации игральных картВремя не указано
25Создание и обучение рекуррентных сетей на PyTorch2 урока
Создание и обучение рекуррентной сети с блоком LSTMВремя не указано
Создание и обучение рекуррентной сети с блоком GRUВремя не указано
26Трансформеры в PyTorch3 урока
Трансформеры. Механизм вниманияВремя не указано
Использование рекуррентной сети с блоком "точечного внимания"Время не указано
Использование BERT для классификации описаний видео на YoutubeВремя не указано
27Создание и обучение нейронных сетей для работы со звуком2 урока
Решение задачи распознавания произнесённых названий цифрВремя не указано
Решение задачи выявления эмоций по речи человекаВремя не указано
28Разработка генеративно-состязательных сетей на PyTorch2 урока
Создание и обучение простой генеративно-состязательной моделиВремя не указано
Глубокая свёрточная генеративно-состязательная сеть на PyTorchВремя не указано
29Итоговое задание и заключительный раздел курса6 уроков
Первая часть итогового тестаВремя не указано
Вторая часть итогового тестаВремя не указано
Третья часть итогового тестаВремя не указано
Четвертая часть итогового тестаВремя не указано
Практическое заданиеВремя не указано
Заключительный раздел курсаВремя не указано
Похожие курсы и совпадения: данные сейчас недоступны. Повторить загрузку