[karpov.courses] Deep Learning Engineer (Алексей Кожарин, Александр Шабалин)

​

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