Deep Learning Engineer - Karpov.Courses
Курс Deep Learning Engineer по цене 92 000 ₽ от школы Karpov.Courses. Срок обучения - можно уточнить в школе. Школа Karpov.Courses оформляет рассрочку на обучение с ежемесячным платежом - 7 667 ₽/ мес. Купите курс и измените свою жизнь.
Погрузитесь в тему Deep Learning. Изучите методы обучения глубоких нейросетей. Получите хорошую базу в области глубокого обучения (DL) для дальнейшего освоения темы на курсе.
Поймете принципы сборки нейросети. Научитесь работать с функциями потерь в PyTorch. Узнаете, как обучать нейросеть по пайплайну DL.
Освоите разные методы оптимизации. Узнаете, что такое эксперименты DL. Научитесь решать задачи классификации табличных данных.
Начнете знакомиться с задачами CV. Узнаете, как работать с изображениями, используя нейросети. Изучите концепт GAN.
Познакомитесь с задачами NLP. Поймете, как работать с текстом. Начнете изучение рекуррентных нейросетей.
Узнаете, что такое LLM сети, и как с ними работать. Научитесь работать с нейросетью в облаке. Поймете процесс деплоя в DL.
Узнаете, чем отличаются задачи обработки текстов от других задач DL. Изучите структуру решения задач обработки текстов. Поймете принципы кодирования слов.
Узнаете простейшие методы решения задач классификации и их недостатки. Научитесь решать простейшие задачи классификации.
Поймете отличия задач генерации текста от классификации. Изучите устройство n-gram модели и ее недостатки. Узнаете, как устроены рекуррентные сверточные сети.
Узнаете все о недостатках RNN и о том, как нивелировать их с помощью LSTM. Освоите различные методы сэмплирования для разных ситуаций.
Изучите различные способы уменьшения размеров модели и поймете, как применять их на практике.
Узнаете, чем BERT и GPT отличаются от Трансформера. Научитесь решать задачи превода текста.
Поймете, чем дообучение лучше обучения с нуля. Узнаете, чем отличаются способы дообучения. Научитесь применять предобученные модели для решения downstream задач.
Познакомитесь со свойствами больших предобученных моделей. Научитесь дообучивать модели в парадигме PEFT
Поймете отличия языкового моделирования от seq2seq задач. Изучите ценность механизма внимания. Вникнете в суть архитектуры трансформера.
Поймете причины ограничения длины контекста трансформерных моделей. Изучите способы уменьшения сложности применения модели. Узнаете, какие существуют способы увеличения длины контекста. Научитесь увеличивать длину контекста предобученной модел
