Форма обучения: очная с применением дистанционных технологий
Объем программы: 20 ак.ч.
Продолжительность обучения: 3 дня (4 ак.ч. в день)
Дни занятий: понедельник, среда, пятница, 19.00-22.00
Выдаваемый документ: Сертификат о повышении квалификации
Старт обучения: 26 сентября 2022
Стоимость обучения: 18 000 руб

Краткое описание программы:
Данная программа позволит слушателям изучить основы фреймворка PyTorch, создать с нуля и дообучить предварительно обученные нейросетевые архитектуры для задач компьютерного зрения.

Содержание программы:
1 Модуль. Введение в библиотеку pytorch

• Pytorch тензоры и типы данных
  
• Инициализация
  
• Индексация и слайсинг
  
• Операции с тензорами и описательные статистики
  
• Техника автоматического дифференцирования
  
• Cuda
  
• Реализация линейной регрессии с помощью pytorch
  
• Тезисно основные положения полносвязных полносвязных нейросетей
  
• Batch и layer norm, dropout
  
• Загрузчики данных и создание полносвязной нейросети на примере табличных данных
  

2 Модуль. Продолжение в компьютерном зрении

• Тезисно основные положения сверточных нейросетей
  
• Skip connection & max pooling
  
• Кастомный загрузчик данных (dataloader)
  
• Реализация алгоримов Resnet, Inception, Densenet
  
• Дообучение предобученных нейросетей для задач классификации
  
• Основные положения детекции, архитектура yolo
  
• Дообучение для задач детекции
  
• Пример создания api сервиса для обученной модели
  

3 Модуль. Продолжение в обработке текста

• Основные положения векторного представления текста и w2v
  
• Основные положения рекуррентных нейросетей и seq2seq, multi-head attention
  
• Реализация архитектуры transformer
  
• Дообучение трансформерных архитектур для задач классификации и распознавания именованных сущностей.

Целевая аудитория курса:

• Специалисты Data Scientists
  
• Аналитики
  
• Программисты

На курсе вы научитесь:

• основам Pytorch
  
• основам синтаксиса библиотеки
• типичным этапам в построении конвейеров машинного обучения
  
• создавать с нуля и дообучить предварительно обученных нейросетевых архитектур для задач компьютерного зрения.