Математический фундамент, Machine Learning, Deep Learning и современные трансформерные модели

Name: Математический фундамент, Machine Learning, Deep Learning и современные трансформерные модели
Brand: Gurufy
SKU: 145381
Price: 89000 RUB

Курс последовательно ведёт от математической базы и реализации алгоритмов с нуля к классическому ML, глубокому обучению, трансформерам, LLM и инфраструктуре обучения больших моделей. Программа ориентирована на профессиональный уровень: чтение статей, реализацию моделей на NumPy и PyTorch, fine-tuning, исследовательскую практику и production-ready подходы.

Обучение 15 часов

сертификат

29%

Стоимость курса

89 000 ₽ 124 900 ₽

Рассрочка ₽/мес

Перейти на сайт

Программа курса
Чему вы научитесь
Мой рейтинг
Подробная информация о курсе
Отзывы

Программа курса

Ознакомьтесь с программой курса «Математический фундамент, Machine Learning, Deep Learning и современные трансформерные модели» от Gurufy - gurufy.ru

Математический фундамент: линейная алгебра для ML - 1 час. Математический фундамент: линейная алгебра для ML.
Математический фундамент: матанализ и оптимизация - 1 час. Математический фундамент: матанализ и оптимизация.
Математический фундамент: теория вероятностей и статистика - 1 час. Математический фундамент: теория вероятностей и статистика.
NumPy и SciPy: реализация математических концепций в коде - 1 час. NumPy и SciPy: реализация математических концепций в коде.
Классический ML: линейная и логистическая регрессия с нуля на NumPy - 1 час. Классический ML: линейная и логистическая регрессия с нуля на NumPy.
Классический ML: деревья, Random Forest, Gradient Boosting и XGBoost - 1 час. Классический ML: деревья, Random Forest, Gradient Boosting и XGBoost.
Классический ML: SVM, K-Means, DBSCAN, кросс-валидация и регуляризация - 1 час. Классический ML: SVM, K-Means, DBSCAN, кросс-валидация и регуляризация.
Deep Learning с нуля: перцептрон, MLP и backpropagation вручную - 1 час. Deep Learning с нуля: перцептрон, MLP и backpropagation вручную.
Deep Learning: активации, инициализация, BatchNorm, Dropout, основы PyTorch - 1 час. Deep Learning: активации, инициализация, BatchNorm, Dropout, основы PyTorch.
Сверточные сети: CNN, ResNet, EfficientNet для компьютерного зрения - 1 час. Сверточные сети: CNN, ResNet, EfficientNet для компьютерного зрения.
Рекуррентные сети: RNN, LSTM, GRU и работа с последовательностями - 1 час. Рекуррентные сети: RNN, LSTM, GRU и работа с последовательностями.
Трансформеры с нуля: Attention, Self-Attention, Multi-Head Attention, Positional Encoding - 1 час. Трансформеры с нуля: Attention, Self-Attention, Multi-Head Attention, Positional Encoding.
Transformer-архитектура: Encoder, Decoder, обучение GPT-2 mini на PyTorch - 1 час. Transformer-архитектура: Encoder, Decoder, обучение GPT-2 mini на PyTorch.
Современные LLM: tokenization, fine-tuning, LoRA, RLHF, DPO и reward modelling - 1 час. Современные LLM: tokenization, fine-tuning, LoRA, RLHF, DPO и reward modelling.
Масштабирование и исследования: distributed training, scaling laws, mixed precision, разбор arXiv-статей - 1 час. Масштабирование и исследования: distributed training, scaling laws, mixed precision, разбор arXiv-статей.

Ознакомиться со всей программой

Чему вы научитесь

Освоите и сможете применять: масштабирование и исследования distributed training, scaling laws, mixed precision, разбор arxiv статей.
Научитесь уверенно работать с темой: рекуррентные сети rnn, lstm, gru и работа с последовательностями.
Освоите и сможете применять: современные llm tokenization, fine tuning, lora, rlhf, dpo и reward modelling.
Освоите и сможете применять: transformer архитектура encoder, decoder, обучение gpt 2 mini на pytorch.
Освоите и сможете применять: классический ml svm, k means, dbscan, кросс валидация и регуляризация.