Курс «Создание нейронных сетей на Python»

Искусственный интеллект все чаще используются в разных сферах деятельности человека. Нейронные сети помогают в медицине и бизнесе, рисовании, создании текстов и многом другом. Эти уроки программирования для детей 7–11 классов от школы «Фоксфорд» — знакомство с искусственным интеллектом и нейросетями. Курсы ИТ для школьников по машинному обучению позволяют не только приобрести навыки для профессии будущего, но и развивают логическое мышление, умение анализировать данные, что напрямую влияет на успеваемость в школе.

Курсы по работе с нейросетями проводит практикующий специалист сферы IT, который знает как, и любит работать с детьми. Программа рассчитана на новичков. Даже если ребенок никогда не интересовался программированием, он освоит базу и создаст первые проекты в области машинного обучения. Занятия проходят онлайн с возможностью пересмотреть урок в записи. Родители регулярно получают отчеты о достижении ребенка.

Программа курса «Создание нейронных сетей на Python»:

1. Знакомство с понятиями: «искусственный интеллект», «data science», «машинное» и «глубокое» обучение.
2. Язык программирования Python. Введение в машинное обучение.
3. Практика в написании нейронных сетей.
4. Работа с библиотекой для машинного обучения PyTorch.
5. Обработка естественного языка.

В итоге дети получат представление, как устроена работа нейронных сетей на примере простейших для понимания алгоритмов. Эти знания обязательно пригодятся, если ребенок захочет получить профессию в индустрии IT после окончания школы.

Основы Python

Познакомимся с основами Python и разберемся на коцептуальном уровне с понятиями «Искусственный интеллект», «data science», «машинное» обучение, «глубокое» обучение.

• Искусственный интеллект. Базовый синтаксис Python.
• Data Science. Базовый синтаксис Python.
• Машинное обучение. Базовый синтаксис Python.
• Глубокое обучение. Базовый синтакис Python.

Введение в машинное обучение

Обсудим методы предобработки данных и познакомимся с основными библиотеками для анализа данных.

• Методы предобработки данных.
• Построение прогностической модели.

Основы глубокого обучения

Определимся с принципами работы алгоритмов машинного обучения. Попрактикуемся в написании нейронных сетей. Разберем основные типы моделей машинного обучения.

• Алгоритмы машинного обучения и простейшая нейросеть.
• Усложняем нейросеть.
• Методы обучения.
• Призводная. Расхождение. Альфа-параметр. Градиентный спуск с несколькими входами.
• Градиентный спуск с несколькими входами и выходами. Заморозка весов. Набор данных MNIST
• Роль корреляции в нейронном обучении.
• Прямое распространение с функцией активации. Обратное распространение.

Компьютерное зрение

Разберем архитектуры нейронных сетей, которые помогают решать задачи компьютерного зрения.

• Инструменты визуализации.
• Переобучение. Прореживание. Регуляризация.
• Новые функции активации.
• Сверточный слой.
• Сверточные нейронные сети.
• Классификация изображений.
• Знакомство с фреймворком PyTorch.

Обработка естественного языка

Разберем, как обрабатывать естественный язык с учителем, как реализовывать векторное представление слов.

• Обработка естественного языка.
• Обработка естественного языка с учителем.
• Усредненные вектора слов.
• Качество новой модели.

• Формат
  В группе с наставником
  Живые вебинары / Вебинары в записи
  Обучение в ЛК на сайте автора
• Демодоступ
• Продолжительность
  6 месяцев
• Уровень сложности
  Для новичков
• Когда вы будете учиться
  Строго по расписанию
• Домашние задания
  ЕстьС проверкой
• Сопровождение
  Куратором
• Техническая поддержка
  В рабочее времяЧат в вкЧат в мессенджереТелефон