Узнайте, как обучают глубокие нейросети Освойте базовые и продвинутые инструменты глубинного обучения После курса начните карьеру в перспективной сфере Deep Learning Чем занимается Deep Learning Engineer: Deep Learning, или глубинное обучение, предполагает создание и обучение нейронных сетей, которые работают подобно человеческому мозгу. Они обучаются на огромных объемах данных и умеют сами выбирать нужные признаки данных, а потому способны действительно на многое, когда речь идет о распознавании объектов и человеческого языка, а также о синтезе визуального и аудиоконтента. Распознавание объектов. Глубинное обучение позволяет нейросетям легко распознавать лица, номерные знаки и другие объекты — в точности так же, как это показано в детективных фильмах. Распознавание речи. Глубинные модели способны преобразовывать речь в письменный текст — чтобы пользователю не нужно было, например, слушать голосовые сообщения. Рекомендательные системы. Нейросети всегда готовы подсказать, какой фильм посмотреть или что лучше купить. Анализ текстов. С помощью глубоких нейросетей можно переводить с одного языка на другой и получать ответы на любые вопросы — так, как это реализовано с Siri. И это — далеко не все задачи, которые решают глубокие нейронные сети На курсе «Deep Learning Engineer» вы научитесь их создавать и обучать Кому подойдет курс: Новичок. Уже кое-что знаете о Python и ML и готовы начать карьеру в сфере обучения нейросетей ML-инженер. Имеете базу знаний в области математики и IT, работаете на должности ML-инженера или аналитика данных, но хотите чего-то большего — и в плане задач, и в плане зарплаты Другие Data Science специалисты. Хотите остаться в профессии аналитика данных или Data-инженера, но заинтересованы в более высокооплачиваемых и интересных задачах Программа курса - База DL Обзор Deep learning Построение нейросети и методы оптимизации Продвинутые техники Работа с картинками NLP Real life DL - Трек NLP Погружение в NLP Классификация текста Токенизация, языковые модели Продвинутые рекуррентные нейронные сети, сэмплирование токенов Уменьшение размеров модели BERT, GPT Transfer learning Prompt Engineering, Parameter-efficient, Fine-tunning Seq2seq, Механизм внимания, Трансформер Работа с длинным контекстом и устройство больших моделей - Трек Computer Vision: в разработке - Трек Audio Analysis: в разработке Авторы: Нерсес Багиян. Head of Data Science Raiffeisen CIB, хедлайнер курса Алексей Биршерт. Senior Machine Learning Engineer, TechLead в Raiffeisen CIB, хедлайнер курса Александр Шабалин. Исследователь в Bayes Group. Преподаватель курса Start ML Алексей Кожарин. Backend-разработчик в Яндекс. Диске
