Админ. и Програм. Скачать [Stepik] PyTorch: от тензоров до нейросетей и кастомных фреймворков (2025)

[superslivman]

[Stepik] Валерий Никаноров, Николай Сергеев ― PyTorch: от тензоров до нейросетей и кастомных фреймворков (2025)



Чему вы научитесь

• Установка и настройка PyTorch, включая поддержку CUDA
• Основы тензоров: оси, ранги, форма и операции (reshape, squeeze, flatten и др.)
• Элементарные, редукционные и индексные операции с тензорами
• Использование Broadcasting и визуализация форм тензоров в CNN
• Работа с датасетами (Fashion MNIST), загрузка, предобработка и нормализация данных
• Принципы построения нейросетей в PyTorch (модули, последовательности, веса, forward)
• Тренировочные циклы, вычисление функции потерь, метрик и построение confusion matrix
• Отладку кода с помощью встроенных средств PyTorch
• Интеграцию с TensorBoard для отслеживания метрик
• Разработку кастомного фреймворка для гиперпараметрических и архитектурных экспериментов
• Продвинутые темы: num_workers, оптимизация загрузки данных, работа с GPU и Sequential моделью

О курсе

Курс предлагает всестороннее погружение в разработку, отладку и эксперименты с нейросетевыми моделями на PyTorch. Вы начнёте с основ: установка, тензоры и базовые операции, и закончите созданием собственного фреймворка для организации экспериментов и тестирования гиперпараметров. Курс включает большое количество визуализаций, интерактивных заданий и практических примеров кода.

Для кого этот курс

• Люди, интересующиеся нейросетями и желающие перейти от теории к практике
• Начинающие и продолжающие разработчики, желающие глубоко понять внутренности PyTorch
• ML-инженеры, стремящиеся систематизировать знания и освоить продвинутые методы отладки
• Исследователи, которым нужен собственный фреймворк для гибких экспериментов с архитектурами

Начальные требования

Уверенное знание Python

Базовое понимание работы нейросетей и глубинного обучение на уровне курса Нейронные сети: Основы глубокого обучения с нуля.

Опыт работы с Jupyter или иной средой разработки на Python (pyCharm, VS etc.)

Наши преподаватели

• Валерий Никаноров .Работаю senior ML-инженером в МТС-банке. Увлекаюсь машинным обучением и нейронными сетями! В качестве хобби делаю курсы.Преподаю машинное обучение, глубинное обучение, статистику и не только уже больше 7 лет.
• Николай Сергеев (7 лет в Data Science, Инженер машинного обучения в Желтом Банке, Сеньор);

Как проходит обучение

Текстовые уроки

Квизы и интерактивные проверки понимания

Примеры кода (всего более 1800 строк) с пояснениями

Задания на код для отработки практики

Программа курса Введение

Пререквизиты

Что такое PyTorch?

Установка PyTorch

Использование GPU

Тензоры и операции с ними

Тензоры

Форма входного тензора в CNN и карты признаков

Тензоры PyTorch

Операции с тензорами - 1

Операции с тензорами - 2

Практика

Работа с данными

Fashion-MNIST

Извлечение, преобразование и загрузка (ETL)

Datasets и DataLoaders

Создание нейронных сетей в PyTorch

Создание нейронных сетей

Слои

Весовые коэффициенты

Линейные слои

Прямой проход

Реализация прямого прохода в CNN

Объяснение прямого распространения

Обработка пакетов

Выход CNN

Практика

Обучение нейронных сетей в PyTorch

Процесс обучения CNN

Цикл обучения CNN

Матрица ошибок

Конкатенация и Стекинг

TensorBoard

Гиперпараметры

Практика

Экспериментация

Run Builder

Оптимизация цикла обучения CNN

Тестирование DataLoader

Запуск на GPU

Нормализация данных

PyTorch Sequential

Нормализация батча

Сброс весов сети

Обучение нескольких сетей одновременно

Макс-пулинг

Практика

В курс входят 41 урок 94 теста 22 интерактивные задачи

Последнее обновление 26.05.2025

ИСТОЧНИК

Этот курс доступен с подпиской: Премиум и Премиум MAX

СКАЧАТЬ

Этот курс доступен с подпиской: Премиум и Премиум MAX