Подробнее о курсе
Цель курса
- Работать с многомерными свёртками
- Управлять историей
- Реализовывать NLP с нуля
- State-of-art сегментации
- Отличать дескриминатор от генератора
- Строить языковые модели
Целевая аудитория курса
- дата-сайентисты
- инженеры данных
- программисты и разработчики
Получаемые знания и навыки
- Применять все 5 методов градиентного спуска к логистической регрессии.
- Реализовать график функции потерь в зависимости от эпохи
- Изучить многослойный персептрон с DroupOut и регуляризацией
- Построить модель авторегрессии и спрогнозировать функция синус
- Реализовать собственную RNN Cell и изучить языковую модель
- Выбрать оптимальную Encoder-Decoder архитектура для задачи внимания (Attention)
- Реализовать State-of-art сегментация для задач Object Detection
- Применять FCN и UNet к задаче сегментации
- Реализовать распознавание номеров домов
- Предсказать вероятность выпадения следующего слова на основе цепей Маркова
- Реализовать и изучить сеть генерации покемонов
