15
Курсов
250+
Отзывов
20
Обзоров
Професии

1 место. Курс «Обучение нейронным сетям и Deep Learning для разработчиков» — SkillFactory

https://skillfactory.ru/nejronnye-seti-deep-learning

ТОП-17 курсов «Нейронные сети»: обучение онлайн. Платные и бесплатные. Рейтинг, сравнение, стоимость.

Стоимость: 41 400 ₽, возможна рассрочка

В рамках курса вы пройдете полный путь от аренды GPU-сервера, который подходит для Deep Learning, вплоть до создания полноценной рабочей модели для компьютерного зрения, анализа естественного языка и рекомендательных систем.

Программа курса

  1. Введение в искусственные нейронные сети
    Создаем нейронную сеть для распознавания рукописных цифр на языке Python
  2. Фреймворки для глубокого обучения (TensorFlow, Keras)
    Создаем модель распознавания изображений на базе датасета FashionMNIST и фреймворка Keras
  3. Сверточные нейронные сети
    Распознаем изображения в датасете CIFAR-10 с помощью сверточной нейронной сети
  4. Оптимизация нейронной сети
    Улучшаем скорость и производительность сетей для кейса предыдущего модуля
  5. Transfer learning & Fine-tuning
    Дообучение нейронной сети ImageNET для решения задачи классификации изображений
  6. Обработка естественного языка (NLP)
    Создаем нейронную сеть для распознавания рукописных цифр на языке Python
  7. Сегментация и Детектирование объектов
    Проектируем нейронную сеть для сегментации и обучаем нейросеть решать задачу детекции
  8. Обучение с подкреплением (Reinforcement Learning)
    Создаем агента для игры в Pong на основе DQN алгоритма
  9. What’s next? Продвинутые нейронные сети
    Знакомимся с другими областями применения нейросетей. Создаем нейросеть GAN для генерации изображений.

Преимущества курса:

2 место. Курс «Факультет искусственного интеллекта» — GeekBrains

https://gb.ru/geek_university/data-science

ТОП-17 курсов «Нейронные сети»: обучение онлайн. Платные и бесплатные. Рейтинг, сравнение, стоимость.

Стоимость: Рассрочка до 36 месяцев — от 5 070 ₽ / мес

После учебы вы сможете работать по специальностям:

Программа обучения:

Подготовительные курсы

I четверть. Программирование
Научитесь работать в Linux и создавать сервера в облачных сервисах AWS, проводить поиск информации и основные операции с файлами, выполнять мониторинг работы сервера. Научитесь использовать язык запросов SQL, создавать и оптимизировать сложные запросы. Освоите библиотеки языка Python, предназначенные для Data Science: Numpy, Pandas, Matplotlib, SciKit-Learn.

II четверть. Сбор данных и статистическое исследование
Познакомитесь с теорией вероятностей и математической статистикой. Изучите методы проведения корреляционного, дисперсионного и регрессионного анализа. Научитесь работать с RESTful/SOAP-сервисами, форматами XML и JSON в Python, а также познакомитесь с особенностями открытых данных (OpenData).

III четверть. Математика для Data Scientist
Рассмотрите математические аспекты алгоритмов, применяемых в Data Science: линейная и логистическая регрессия, градиентный спуск, метод ближайших соседей, кластеризация, деревья решений, случайный лес, градиентный бустинг. Поймете, как устроены алгоритмы на уровне математики.

IV четверть. Машинное обучение
Освоите Python: от основ программирования до автоматизации, сбора, обработки, анализа и визуализации данных.

V четверть. Нейронные сети
Научитесь решать задачи Machne Learning с данными из соцсетей, геоданными, применением графов, а также познакомитесь с нейронными сетями. На практике познакомитесь с фреймворками для разработки нейронных сетей: Tensorflow, Keras, PyTorch.

VI четверть. Задачи искусственного интеллекта
Изучите продвинутые архитектуры сверточных нейронных сетей, обработку естественного языка и компьютерное зрение.

II четверть. Специализация
Изучите фреймворк PyTorch и углубитесь в работу с компьютерным зрением и обработкой естественного языка.

Курсы вне четверти. Предметы с индивидуальным выбором даты старта

Вы получите диплом о профессиональной переподготовке.

3 место.Курс «Deep Learning» — OTUS

https://otus.ru/lessons/dl-basic/

ТОП-17 курсов «Нейронные сети»: обучение онлайн. Платные и бесплатные. Рейтинг, сравнение, стоимость.

Стоимость: нет информации

Что даст вам этот курс:

После прохождения курса вы:

Программа обучения

Модуль 1. Пререквизиты

Модуль 2. Нейронные сети

Модуль 3. Глубокое обучение

Модуль 4. Проектный модуль

Выпускной проект

В рамках курса предусмотрена защита проекта. Он представляет собой генеративную модель для порождения текста заданного стиля или изображений заданной тематики.

Работа над проектом проходит поэтапно:

  1. Выбор тематики.
  2. Сбор и подготовка соответствующих данных.
  3. Построение и обучение генеративной модели.

Проект выполняется программистом в течение двух недель после прохождения курса. Готовое решение должно включать в себя код модели и ее обучения на Python, описание архитектуры модели, отчет об обучении модели и примеры генерации.

Курс «Data-science и нейронные сети для новичков» — Университет искусственного интеллекта

https://neural-university.ru/kurs_neural_light

ТОП-17 курсов «Нейронные сети»: обучение онлайн. Платные и бесплатные. Рейтинг, сравнение, стоимость.

Стоимость: 39 900 ₽ — 154 900 ₽

Программа обучения:

Основы Python

  1. Синтаксис Python
  2. Numpy
  3. Часть 1
  4. Часть 2
  5. Matplotlib и Seaborn
  6. Функции и модули

Базовая математика

  1. Матрицы и функции
  2. Множества, бинарная логика, комбинаторика
  3. Теория вероятностей и статистика. Часть 1
  4. Теория вероятностей и статистика. Часть 2

Нейронные сети

  1. Введение в нейронные сети
  2. Полносвязные сети, обучающая и тестовая выборки
  3. Свёрточные нейронные сети
  4. Обработка текстов с помощью нейросетей
  5. Рекуррентные нейронные сети и одномерные свёрточные сети для обработки текстов
  6. Нейронные сети для решения задачи регрессии
  7. Полносвязные и рекуррентные нейронные сети для прогнозирования временных рядов
  8. Прямые и свёрточные нейронные сети для обработки аудио сигналов
  9. Автокодировщики
  10. Вариационные автокодировщики, генеративные модели на базе автокодировщиков
  11. Генеративные состязательные сети
  12. Введение в генетические алгоритмы
  13. Генетические алгоритмы для обучения нейронных сетей
  14. Сегментация изображений
  15. Алгоритмы кластеризации данных
  16. Обучение с подкреплением
  17. Генерация текста
  18. Cегментация текста
  19. Object Detection (обнаружение объектов)
  20. Распознавание речи

Интеграция в Production

  1. Описание основных источников данных
  2. Варианты хранения данных (структурированные, неструктурированные, бинарные)
  3. Типы хранения данных
  4. Методы получения данных из систем источников
  5. Web-scrapping
  6. Вторая и третья нормальные формы
  7. Key-value структура данных
  8. Схема данных
  9. Витрины данных
  10. Инструменты построения моделей данных.

Курс «Data Science. Уровень 3: Нейронные сети» — Московский Государственный Технический Университет им. Н.Э. Баумана

http://edu.bmstu.ru/napravleniya-obucheniya/biznes-analitika/datascience3

ТОП-17 курсов «Нейронные сети»: обучение онлайн. Платные и бесплатные. Рейтинг, сравнение, стоимость.

Стоимость: 39 450 ₽

Вы научитесь:

Программа курса:

  1. Введение в библиотеку Keras
  1. Архитектуры нейронных сетей: Dense слои (полносвязные)
  1. Архитектуры нейронных сетей: conv слои (сверточные)
  1. Архитектуры нейронных сетей: метрики и функции потерь. Проблема переобучения
  1. Решение задач с помощью нейронных сетей: классификация
  1. Решение задач с помощью нейронных сетей: регрессия
  1. Решение задач с помощью нейронных сетей: прогнозирование временных рядов
  1. Решение задач с помощью нейронных сетей: обработка аудио при помощи нейронных сетей
  1. Решение задач с помощью нейронных сетей: классификация изображений
  1. Решение задач с помощью нейронных сетей: внедрение в Production
  1. Построение модели нейронной сети и внедрение в Production

Курс «Нейронные сети на Python» — ООО «УЦ «Коммерсант»

https://python-school.ru/courses/pynn-introduction-to-neural-nets/

ТОП-17 курсов «Нейронные сети»: обучение онлайн. Платные и бесплатные. Рейтинг, сравнение, стоимость.

Стоимость: 36 000 ₽

Курс 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.

Программа курса:

  1. Простейшие нейронные сети
  1. Математические основы нейронных сетей
  1. Свёрточные нейронные сети
  1. Решение кейса: “Классификация изображений”
  1. Использование нейронных сетей в production

Курс «Искусственные нейронные сети» — Стандарт IT

https://standart-itdpo.ru/courses/iskusstvennye-nejronnye-seti/

ТОП-17 курсов «Нейронные сети»: обучение онлайн. Платные и бесплатные. Рейтинг, сравнение, стоимость.

Стоимость: 26 000 ₽

УЧЕБНЫЕ ПРОГРАММЫ:

  1. Введение в искусственные нейронные сети
  1. Фреймворки для глубокого обучения (Keras.TensorFLOW)
  1. Сверточные нейронные сети
  1. Оптимизация нейронной сети
  1. Transfer learning & Fine-tuning
  1. Обработка естественного языка (NLP)
  1. Сегментация и детектирование объектов
  1. Reinforcement learning (обучение с подкреплением)
  1. What`s next?

Курс «Нейронные сети. Компьютерное зрение и чтение (NLP)» — Центр компьютерного обучения «Специалист» при МГТУ им.Н.Э.Баумана

https://www.specialist.ru/course/pyml2

ТОП-17 курсов «Нейронные сети»: обучение онлайн. Платные и бесплатные. Рейтинг, сравнение, стоимость.

Стоимость: 22 000 ₽ — 26 990 ₽

Вы научитесь:

Программа курса:

Модуль 1. Введение в Pytorch и тензоры (4 ак. ч.)

Модуль 2. Классификация изображений (4 ак. ч.)

Модуль 3. Cверточные нейронные сети (6 ак. ч.)

Модуль 4. Использование и передача обученных моделей  (5 ак. ч.)

Модуль 5. Классификация текста  (5 ак. ч.)

Курс «Нейронные сети» — Открытое образование

https://openedu.ru/course/mephi/mephi_ns/

ТОП-17 курсов «Нейронные сети»: обучение онлайн. Платные и бесплатные. Рейтинг, сравнение, стоимость.

Стоимость: нет информации

Курс посвящен изучению математических основ теории нейронных сетей, приводятся краткая история теории нейронных сетей, математические модели нейросетевых архитектур, постановка задачи обучения и методы ее решения, рассматриваются особенности организации процесса обучения и применения нейронных сетей для решения практических задач. Изложение ведется строгим математическим языком, сопровождается множеством формул и математических выкладок.

Цель курса состоит в получении и закреплении теоретических и практических знаний, необходимых для решения прикладных задач обработки данных с использованием нейронных сетей.

Программа курса

Module 1. Introduction.

Module 2. Multilayer neural networks.

Module 3. Neural Network Training algorithms.

Module 4. Generalization in Neural Networks.

В результате успешного прохождения курса у вас сложится понимание того, что такое искусственные нейронные сети, для решения каких задач и в каких случаях их следует применять, в чем преимущества и особенности нейросетевого подхода. Вы узнаете о том, как выбрать архитектуру нейронной сети, как правильно организовать процесс обучения, как работают основные алгоритмы обучения и что характеризуют их параметры, и сможете осмысленно сконструировать, обучить и оценить качество обученной нейросетевой модели.

Курс «Нейронные сети и их применение в научных исследованиях» — msu

https://msu.ai/

ТОП-17 курсов «Нейронные сети»: обучение онлайн. Платные и бесплатные. Рейтинг, сравнение, стоимость.

Стоимость: нет информации

Цель курса — предоставить аспирантам разных факультетов МГУ имени М. В. Ломоносова, имеющих базовые знания программирования и математики, возможность использовать методы искусственных нейронных сетей для анализа больших данных в их научных исследованиях.

Курс будет полезен для начинающих ученых и технических, и гуманитарных факультетов: физиков и филологов, химиков и медиков, математиков и социологов.

Итогом учебы будет подготовленный аспирант, который написал программу и получил качественный результат, успешно примененный в его диссертации, и подготовил научную публикацию об этом.

Курс «Нейронные сети» — Лаборатория инженерной физики

https://engineering.phys.msu.ru/ru/programmirovanie-dlya-sstudentov-2-kursa/nejronnye-seti

ТОП-17 курсов «Нейронные сети»: обучение онлайн. Платные и бесплатные. Рейтинг, сравнение, стоимость.

Стоимость: нет информации

Цель курса — преодолеть порог входа в отрасль, предоставить практический опыт и две опоры для дальнейшего самостоятельного исследования нейронных сетей: инструменты и терминология. Второй семестр выделен для выполнения курсовой работы, что позволяет подробно разобраться в одном из направлений нейронных сетей. Таким образом достигается баланс между поверхностным широким охватом материала и изучением вопроса в глубину с высокой долей самостоятельности.

Программа курса (осенний семестр):

Весенний семестр:

Выполняется курсовая работа. Она может быть совмещена с обязательной курсовой работой по физике, выполняемой в лаборатории физического факультета МГУ на втором курсе. Примерные темы работ представлены ниже. Жирным отмечены работы, совмещенные с курсовой по физике:

Курс «Нейронные сети» — НИУ ВШЭ

https://www.hse.ru/edu/courses/292713179

ТОП-17 курсов «Нейронные сети»: обучение онлайн. Платные и бесплатные. Рейтинг, сравнение, стоимость.

Стоимость: нет информации

Цель освоения дисциплины:

Планируемые результаты обучения:

  1. Знание возможностей интеллектуальных систем на базе нейронных сетей, технологии их создания.
  2. Умение выделять входные (управляющие) и выходные (управляемые) параметры нейросетевой интеллектуальной системы.
  3. Умение формализовать предметную область программного продукта.
  4. Умение применять полученные знания при решении практических задач.
  5. Обладание навыками нейросетевого моделирования.

Содержание учебной дисциплины:

Раздел 1. Теоретическая часть

Раздел 2. Практическая часть

Курс «Нейронные сети для самых маленьких: путь с нуля до первого классикатора» — Академия Высоких Технологий

https://avt.global/neuralnets

ТОП-17 курсов «Нейронные сети»: обучение онлайн. Платные и бесплатные. Рейтинг, сравнение, стоимость.

Стоимость: бесплатно

Уроки:

  1. Нейронные сети для самых маленьких, разбираемся в основах
    Мы разберёмся что такое искусственные нейронные сети и какие задачи они призваны решать. В чём причина их популярности? В чём их принципиальное отличие от обычных программ и алгоритмов. Разберёмся с математическими принципами их обучения и использования: прямым и обратным распространением ошибки.
  2. Как обучается нейронная сеть?
    Разберём задачу линейной регрессии, принцип обратного распространения ошибки и поговорим про градиентный спуск.
    Вы узнаете, каким образом нейронная сеть подбирает весовые коэффициенты в процессе обучения, и поймёте, как влияют некоторые гиперпараметры на скорость обучения.
  3. Google Colab и первая нейронная сеть. 1 часть
    Соберём небольшую нейронную сеть с помощью Google Colab и обучим её.
    Вы научитесь пользоваться интернет-сервисомGoogle Colab, который даёт доступ к GPU и позволяет обучать нейронные сети. Получите первые практические навыки в обучении нейронных сетей на Python.
  4. Google Colab и первая нейронная сеть. 2 часть
    Обучим классифкатор, посмотрим какие параметры обученя влияют на результат. И рассмотрим возможности, предоставляемые keras.
  5. Свёрточная нейронная сеть
    Мы добавим в нашу нейронную сеть свёрточные слои. Разберёмся что это такое и как они работают. Получим свёрточную нейронную сеть гораздо точнее решающую задачу.
  6. Свёрточная нейронная сеть и датасеты из интернета
    Пришло время применить свёрточную нейронную сеть для классификации нескольких классов и воспользоваться набором данных из интернета, а не собственноручно собранным.
  7. Нейронная сеть и работа с камерой в реальном времени
    Применяем наши сети к видеопотоку с камеры. Разбираем полезные инструменты для кодирования меток на изображениях и повышаем универсальность сети, чтобы в неё можно было добавлять дополнительные классы.
  8. От классификации к детектированию
    Разбор видов детекторов и принципов их работы. Собираем и обучаем собственный детектор. Посмотрим, как детектор будет работать с видеопотоком с камеры. Анализируем возможность применения детекторов в школьных проектах
  9. Пишем SSD
    Задаём архитектуру нашей сети: послойно собираем детектор, разбираясь какой слой для чего нужен.
  10. Пишем SSD: Single Shot MultiBox Detector. (Часть 2)
    Пишем алгоритмы вокруг сети. Генерация априорных ограничивающих рамок, отсев лишних, задание функции потерь и шага обучения сети.

Курс «Нейронные сети» — Stepik

https://stepik.org/course/401/promo

ТОП-17 курсов «Нейронные сети»: обучение онлайн. Платные и бесплатные. Рейтинг, сравнение, стоимость.

Стоимость: бесплатно

В данном курсе мы детально разберём процесс создания и применения нейронных сетей. В первую очередь, мы ставим перед собой цель объяснить основополагающие теоретические идеи и практические приёмы, использующиеся при обучении самых разных нейросетевых моделей. Первая часть курса фокусируется на алгоритмах, лежащих в основе обучения нейронных сетей, вторая больше ориентирована на практическое применение полученных знаний.

Программа курса

  1. Основы линейной алгебры
  1. Перцептрон и градиентный спуск
  1. Алгоритм обратного распространения ошибки
  1. Мониторинг состояния сети
  1. Сюрприз и заключение

Сертификат — Институт биоинформатики.

Курс «Нейронные сети и глубокое обучение» — Coursera

https://www.coursera.org/learn/neural-networks-deep-learning

ТОП-17 курсов «Нейронные сети»: обучение онлайн. Платные и бесплатные. Рейтинг, сравнение, стоимость.

Стоимость: бесплатно

Программа курса:

  1. Introduction to Deep Learning
  2. Neural Networks Basics
  3. Shallow Neural Networks
  4. Deep Neural Networks

Курс «Программирование нейросетей на Python» — Андрей Созыкин

https://www.asozykin.ru/courses/nnpython

ТОП-17 курсов «Нейронные сети»: обучение онлайн. Платные и бесплатные. Рейтинг, сравнение, стоимость.

Стоимость: бесплатно

Курс посвящен именно практическому применению нейронных сетей с использованием готовых библиотек Keras и TensorFlow. Вы научитесь применять эти библиотеки для решения задач анализа изображений и текстов.

Курс рассчитан на программистов, для понимания не требуются глубокие знания математики. Все примеры в курсе на Python, однако никаких специфических особенностей Python не используется. Если вы умеете программировать на любом языке, то легко поймете примеры кода.

Основы обучения глубоких нейросетей

Нейросети для компьютерного зрения

Нейросети для анализа текстов

Работа с платформой Google Colaboratory

Курс «Основы теории нейронных сетей» — НОУ ИНТУИТ

https://intuit.ru/studies/courses/88/88/info

ТОП-17 курсов «Нейронные сети»: обучение онлайн. Платные и бесплатные. Рейтинг, сравнение, стоимость.

Стоимость: бесплатно

План занятий:

  1. Основы искусственных нейронных сетей
    В лекции рассматриваются общие положения теории искусственных нейронных сетей. Описана структура однослойных и многослойных нейронных сетей, введено понятие обучения нейронной сети и дана классификация алгоритмов обучения.
  2. Персептроны. Представимость и разделимость
    В лекции дается определение персептрона, рассматривается его архитектура. Описывается класс задач, решаемых с помощью персептрона, доказывается, какие задачи невозможно решить с его помощью.
  3. Персептроны. Обучение персептрона
    В лекции рассматриваются алгоритм обучения персептрона, вопросы сходимости алгоритма обучения и подбора количественных характеристик весовых коэффициентов. Исследуются многослойные персептроны и возможности их обучения.
  4. Процедура обратного распространения (описание алгоритма)
    В лекции рассматривается архитектура многослойного обобщенного персептрона, описывается процедура обратного распространения — алгоритм обучения многослойного персептрона с учителем.
  5. Процедура обратного распространения (анализ алгоритма)
    В лекции анализируются слабые места алгоритма обратного распространения и предлагаются методы решения некоторых связанных с этим проблем.
  6. Сети встречного распространения
    В лекции изложены архитектура, функционирование и методы обучения сетей встречного распространения. В качестве примера использования данной сети рассматриваются методы сжатия данных.
  7. Стохастические методы обучения нейронных сетей
    В лекции дается обзор основных стохастических методов, используемых для обучения нейронных сетей: метод отжига металла, больцмановское обучение, обучение Коши, метод искусственной теплоемкости.
  8. Нейронные сети Хопфилда и Хэмминга
    В лекции рассматривается архитектура сети Хопфилда и ее модификация — сеть Хэмминга, затрагиваются вопросы устойчивости сети Хопфилда. В заключении лекции рассматриваются понятие ассоциативности памяти и задача распознавания образов.
  9. Обобщения и применения модели Хопфилда
    В лекции рассматриваются вероятностные обобщения модели Хопфилда и статистическая машина. Описывается аналого-цифровой преобразователь — как модель сети с обратным распределением. В качестве примера приводится представление информации в сети Хопфилда, решающей задачу коммивояжера.
  10. Двунаправленная ассоциативная память
    В лекции рассматриваются архитектура и принципы работы нейронной сети ДАП. Затронуты вопросы емкости данной сети. Дается обзор некоторых модификаций этой сети.
  11. Адаптивная резонансная теория. Архитектура
    В лекции рассматривается проблема стабильности—пластичности при распознавании образов. Изучаются нейросетевые архитектуры AРT.
  12. Теория адаптивного резонанса. Реализация
    В лекции рассматривается процесс функционирования АРТ. Приводится пример обучения сети АРТ. Обсуждаются основные характеристики АРТ. Дается обзор модификаций сети АРТ.
  13. Когнитрон
    В лекции рассматривается архитектура, процедура обучения и функционирование когнитрона. Описан пример функционирования четырехслойного когнитрона распознавания образов.
  14. Неокогнитрон
    В лекции рассматривается архитектура, процедура обучения и функционирования неокогнитрона. Отмечается его сходство и отличие от когнитрона.
  15. Алгоритмы обучения
    В данной лекции рассматриваются различные методы обучения нейронных сетей. Некоторые из этих методов частично приводились на предыдущих лекциях, но отмечены снова для создания у слушателей целостного представления об изучаемой области.
  16. Экзамен.