Полный каталог учебных программ
Основы машинного обучения
Линейная и логистическая регрессия, деревья решений, случайный лес, градиентный бустинг, SVM, кластеризация. Практические примеры на Python с использованием scikit-learn.
Компьютерное зрение и свёрточные сети
Архитектуры CNN от LeNet до EfficientNet, object detection (YOLO, Faster R-CNN), сегментация изображений, Vision Transformer (ViT), работа с PyTorch и OpenCV.
Обработка естественного языка (NLP)
Токенизация, лемматизация, TF-IDF, Word2Vec, BERT, GPT, sentiment analysis, NER, text classification. Hugging Face Transformers на практике.
Python для анализа данных
NumPy, pandas, matplotlib, seaborn. Работа с датасетами, визуализация данных, статистический анализ и подготовка данных для моделей ИИ.
Генеративные модели и диффузионные сети
GAN (DCGAN, StyleGAN), VAE, диффузионные модели (DDPM, Stable Diffusion), теория и практика генерации изображений, аудио и текста.
Глубокое обучение с нуля
Перцептрон, backpropagation, функции активации, регуляризация, оптимизаторы, батч-нормализация, dropout. Реализация нейросетей на PyTorch.
Сравнительная таблица учебных программ
| Программа | Уровень | Модули | Объём | Требования | Действие |
|---|---|---|---|---|---|
| LLM: архитектура и применение | Продвинутый | 12 | 38 ч. | Python, ML-основы | Открыть |
| Основы машинного обучения | Базовый | 8 | 24 ч. | Python (желательно) | Открыть |
| Компьютерное зрение и CNN | Средний | 10 | 30 ч. | Python, NumPy | Открыть |
| Обработка естественного языка | Средний | 9 | 28 ч. | Python, ML-основы | Открыть |
| Python для анализа данных | Базовый | 6 | 18 ч. | Базовое программирование | Открыть |
| Генеративные модели | Продвинутый | 11 | 34 ч. | DL-основы, PyTorch | Открыть |
| Глубокое обучение с нуля | Средний | 7 | 22 ч. | Python, NumPy, основы ML | Открыть |