Все курсы
Практический курс «Нейронные сети на Python»
Код курса | Даты начала курса | Стоимость обучения | Длительность обучения | Формат обучения |
---|---|---|---|---|
PYNN | 16 декабря 2024 14 апреля 2025 |
54 000 руб. | 24 ак.часов | Дистанционный |
Регистрация |
Практический курс «Нейронные сети на Python» — основы нейросетей для аналитиков, разработчиков Big Data, руководителей и специалистов по работе с большими данными.
Что такое нейронные сети и при чем здесь машинное обучение (Machine Learning)
Искусственная нейронная сеть (нейросеть) – это математическая модель с программной или аппаратной реализацией, имитирующая функционирование биологических нервных клеток живого организма. В отличие от других вычислительных моделей, нейросети ориентированы на биологические принципы. Благодаря этому нейросетевые модели обладают следующими качествами:
- массовый параллелизм;
- распределённое представление информации и вычисления;
- способность к обучению и обобщению;
- адаптивность;
- обработки информации в контексте окружающей среды;
- толерантность к ошибкам;
- низкое энергопотребление.
Правила работы нейросетевых алгоритмов не программируются, а вырабатываются в процессе обучения. Это обеспечивает адаптивность моделей к изменениям входных сигналов, включая шумовые воздействия. Сегодня нейросети считаются одним из наиболее популярных методов машинного обучения (Machine Learning) и используются в различных областях деятельности для решения следующих прикладных задач в условиях неполноты входной информации:
- распознавание образов (визуальных, аудиозаписей, видеопотоков, графических изображений, рукописного текста и пр.);
- прогнозирование будущих событий (поведение пользователей, погодные явления, курсы валют, возникновение и развитие чрезвычайных ситуаций и пр.);
- классификация и кластеризация данных (финансовый скоринг, медицинская диагностика, выявление мошеннических операций);
- интеллектуальный анализ данных, оптимизация бизнес-процессов и принятие управленческих решений.
Как именно нейросетевые алгоритмы и инструменты моделирования можно использовать для конкретных бизнес-кейсов, вы узнаете в рамках нашего образовательного курса «Введение в нейронные сети».
Кому нужны курсы по нейронным сетям
Практический курс «Нейронные сети на Python» предназначен для аналитиков, разработчиков программного обеспечения, руководителей и специалистов по работе с большими данными, которые хотят получить следующие знания и навыки:
- понять, что такое нейросети, машинное обучение и искусственный интеллект;
- освоить принципы функционирования нейронных сетей;
- знать, как эффективно использовать нейросетевые модели в бизнесе;
- разобраться с математическими основами нейронных сетей;
- освоить базовые методы работы с нейросетевыми алгоритмами;
- обрабатывать датасеты для подготовки к моделированию;
- научиться строить собственные модели нейронных сетей;
- интерпретировать результаты моделирования.
Предварительный уровень подготовки:
- Опыт программирования на Python;
- Прохождение онлайн-курса FUNP «Основы языка Python для анализа данных и решения задач машинного обучения»
Как построен образовательный курс «Нейронные сети на Python»
Продолжительность: 6 дней, 24 академических часа.
Соотношение теории к практике 50/50
Методические материалы: учебное пособие на русском языке
Курс «Нейронные сети на Python» представляет собой прикладные основы наиболее популярного метода Machine Learning, включая всю необходимую теорию и практику по этой области искусственного интеллекта. В программе рассмотрена математическая база современных нейросетевых алгоритмов. В курсе приведены базовые задачи, которые могут быть решены с помощью методов нейросетей: классификация изображений и другие прикладные кейсы распознавания образов. Большое внимание уделено практическому решению задач с использованием нейросетевых методов на языке Python. Курсы по нейронным сетям также содержат материалы по применению сверточных нейросетей в production, в т.ч. обучение нейронной сети и ее интеграция с другими программными алгоритмами.
На практике вы самостоятельно создадите собственную нейросеть, решив задачи классификации с помощью этой модели машинного обучения. В результате освоения программы курса вы овладеете основными навыками создания веб-сервисов на базе нейросетей и сможете выбрать наилучшую архитектуру нейросети для конкретной бизнес-задачи.
Особенности курса:
- Основное внимание направлено не на теорию, а на практику и применимость решений в реальном бизнесе.
- Вся теория подкреплена реальными данными из практики.
- В конце каждой темы вы получите задание на проверку усвоенного материала.
- По результатам выполнения практического задания каждый слушатель получит индивидуальный фидбек от преподавателя.
Успешно окончив курс «Нейронные сети на Python» в нашем лицензированном учебном центре, вы получите сертификат о повышении квалификации установленного образца.
Программа курса "Нейронные сети на Python"
- Простейшие нейронные сети
- Теоретическая часть: основные понятия; классификация задач, решаемых с помощью методов машинного обучения; виды данных, понятие датасета; полносвязные нейронные сети.
- Практическая часть: первичный анализ датасета, предобработка данных, построение полносвязной нейронной сети.
- Математические основы нейронных сетей
- Теоретическая часть: метрики качества работы нейронной сети, градиентный спуск, алгоритм обратного распространения ошибки, эффект переобучения.
- Практическая часть: тонкая настройка нейронной сети на примере задачи классификации изображений.
- Свёрточные нейронные сети
- Теоретическая часть: параметры сверточных нейронных сетей, предобученные нейронные сети.
- Практическая часть: использование предобученных нейронных сетей на примере задачи классификации изображений.
- Решение кейса: “Классификация изображений”
- Теоретическая часть: построение набора данных, фильтрация и предобработка данных.
- Практическая часть: решение кейса.
- Использование нейронных сетей в production
- Теоретическая часть: сериализация/десериализация объектов в Python, фреймворк Flask.
- Практическая часть: создание веб-сервиса на фреймворке Flask.
Кто проводит курс
Ермилов Дмитрий
Академия Федеральной службы безопасности Российской Федерации (Москва, 2012)
Профессиональные компетенции:
- Ведущий Data Scientist в ФГУП “Центр информационных технологий”, Москва
- Руководитель программ в Университете искусственного интеллекта, Москва.
- Кандидат наук (2017 год, Московский государственный университет им. М.В. Ломоносова, Москва)
Конорев Олег
Академия Федеральной службы безопасности Российской Федерации (Москва, 2012)
Профессиональные компетенции:
- Руководитель группы Data Science в НИИ “Квант”, Москва
- Computer vision (CV) – решение задач по классификации и детектировании объектов на фото и видео, идентификации человека, сегментации изображений и распознаванию текста с библиотеками OpenCV, Tensorflow API и архитектурами нейронных сетей Yolo, SSD, fRCNN, U-net и пр.
- Natural language processing (NLP) – решение задач по классификации текстов, извлечению именованных сущностей (NER) и ключевых слов с библиотеками gensim, nltk, fasttext, spacy и др. Построение различных архитектур на основе искусственных нейронных сетей с использованием различных представлений слов (Embedding, Word2Vec) и готовых нейросетевых решений (Bert, fastai)
- Time series analysis – решение задач обработки, анализа и классификации аудио сигналов с библиотеками librosa, ffmpeg и различных архитектур нейронных сетей, а также предсказание значений временных рядов (time series forecasting) в приложении к котировкам активов с использованием классических решений (ARMA, ARIMA) и моделей на базе сверточных нейронных сетей (CNN), рекуррентных нейронных сетей (LSTM,GRU) и их комбинаций.
- Проекты сегментации сигналов с различных датчиков и приборов и распознавания речи (speech-to-text) с облачными сервисами Yandex и Google.