Оставьте ваши контакты
Мы свяжемся с вами
Длительность
3 дня
Объём
9 ак.ч.
Формат
очный
По итогу
сертификат
Стоимость
БЕСПЛАТНО
Что вас ждет
Очный формат обучения
Теория, практические семинары и работа с реальными кейсами генеративного ИИ
Практический опыт
реализации и обучения генеративных моделей для задач синтеза и преобразования данных
Изучение современных архитектур GAN
Vanilla GAN, Wasserstein GAN, Pix2Pix и CycleGAN
Сертификат
документальное подтверждение ваших достижений по окончании курса
Сертификат
документальное подтверждение ваших достижений по окончании курса
Поддержка в чате
возможность обратной связи
от однокурсников и организаторов курса
от однокурсников и организаторов курса
Пошаговая подготовка
пошаговая подготовка
с помощью материалов курса к каждому выступлению в Творческой лаборатории
с помощью материалов курса к каждому выступлению в Творческой лаборатории
Гибридный формат обучения
теория — видеоуроки
от эксперта по навыкам ораторского мастерства, практика — очные занятия в Академии
от эксперта по навыкам ораторского мастерства, практика — очные занятия в Академии
Эксперт
Милена газдиева
лауреат номинации «Начинающие преподаватели» Yandex ML Prize 2025
инженер-исследователь в группе генеративного ИИ «Сколтеха»
преподаватель курса по генеративному ИИ Сколтеха
преподаватель курса «Фундаментальные основы генеративного ИИ» в Школе анализа данных «Яндекса»
эксперт курса
За 3 дня практики вы:
Умения
Научитесь разрабатывать и обучать генеративные модели для решения реальных задач.
Практический опыт
Получите опыт разработки, обучения и анализа генеративных моделей на реальных данных.
Профессиональные компетенции
Сможете разрабатывать методы нейросетевого генеративного моделирования для синтеза и преобразования данных.
Знания
Получите понимание принципов генеративного моделирования, архитектур, обучения и применения GAN-моделей.
Есть высшее образование
по естественно-научному или техническому направлению
Есть базовые знания
линейной алгебры, математического анализа, теории вероятностей и математической статистики
Есть общее понимание
методов машинного и глубокого обучения
Есть базовый опыт
программирования на Python
Кому подойдет эта программа
Курс разработан для разных людей, интересующихся современными методами машинного обучения и генеративного моделирования. Проверьте, узнаете ли вы себя среди них:
Как устроен курс?
Курс рассчитан на группу до 20 человек. В курсе предусмотрены как теоретические лекции, так и практические семинары и домашнее задание, в рамках которых слушатели смогут получить практический опыт реализации
Программа
Классические генеративные состязательные нейронные сети (vanilla GANs)
Генеративные состязательные нейронные сети на основе оптимального транспорта (Wasserstein GANs)
- Лекция 1: Классические генеративные состязательные нейронные сети (vanilla GANs)
- Семинар: Классические генеративные состязательные нейронные сети (vanilla GANs)
Генеративные состязательные нейронные сети на основе оптимального транспорта (Wasserstein GANs)
- Лекция: Генеративные состязательные нейронные сети на основе оптимального транспорта (Wasserstein GANs)
- Семинар: Генеративные состязательные нейронные сети на основе оптимального транспорта (Wasserstein GANs)
Генеративные состязательные нейронные сети для решения задач переноса домена с парными и непарными обучающими выборками (Pix2Pix и CycleGAN)
- Лекция: Генеративные состязательные нейронные сети для решения задач переноса домена с парными и непарными обучающими выборками (Pix2Pix и CycleGAN).
- Семинар: Генеративные состязательные нейронные сети для решения задач переноса домена с парными и непарными обучающими выборками (Pix2Pix и CycleGAN).
Вопросы и ответы
Курс бесплатный.
В рамках курса рассматриваются принципы генеративного моделирования на основе состязательного обучения (adversarial learning). Участники познакомятся с GAN, Vanilla GANs, Wasserstein GANs, а также с моделями Pix2Pix и CycleGAN для задач сверхразрешения изображений, переноса стиля и преобразования данных.
Курс включает теоретические лекции, практические семинары и домашние задания. Участники получат практический опыт реализации и обучения генеративных моделей на модельных и реальных данных.
В рамках курса будут рассмотрены:
- методы состязательного генеративного моделирования для синтеза искусственных данных;
- методы генеративного моделирования для задач перевода домена, включая сверхразрешение изображений, перенос стиля и другие задачи преобразования данных.
Да, для эффективного прохождения курса необходимо наличие базовых знаний линейной алгебры, математического анализа, теории вероятностей, понимание методов машинного и глубокого обучения, а также базовый опыт программирования на Python и работы с библиотеками для обучения нейронных сетей.
Необходимо посетить все занятия курса и выполнить домашние задания.
Регистрируйтесь на специальную программу
«Генеративные модели на основе состязательного обучения»
Отбор проходит по очереди регистрации, а также по соответствию
компетенций участников, которые необходимы для комфортного прохождения обучения.
Адрес: Академия цифрового развития, г. Магас, ул. Никиты Хрущева, 10.