01
Есть высшее образование по естественно-научному или техническому направлению
И хотите развиваться в области генеративного ИИ и современных нейросетевых моделей
Оставьте ваши контакты
Мы свяжемся с вами
Стоимость
БЕСПЛАТНО
По итогу
сертификат
Формат
очный
Объём
12 ак.ч.
Длительность
3 дня
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
За 3 дня практики вы:
Умения
Научитесь разрабатывать, реализовывать и обучать модели генеративного состязательного моделирования для решения реальных прикладных задач.
Практический опыт
Получите опыт реализации, обучения и анализа генеративных состязательных моделей на реальных данных, включая проведение вычислительных экспериментов и оценку качества моделей.
Профессиональные компетенции
Сможете совершенствовать и разрабатывать методы и модели нейросетевого генеративного моделирования для решения задач синтеза и преобразования данных.
Знания
Получите понимание основных принципов состязательного генеративного моделирования: используемые данные, архитектуры моделей, функции потерь, подходы к обучению, а также преимуществ, ограничений и областей применения GAN-моделей.
Кому подойдет эта программа
Курс разработан для разных людей, интересующихся современными методами машинного обучения и генеративного моделирования. Проверьте, узнаете ли вы себя среди них…
Есть базовые знания линейной алгебры, математического анализа, теории вероятностей и математической статистики
и хотите применять математические основы на практике в задачах deep learning
Есть высшее образование по естественно-научному или техническому направлению
и хотите развиваться в области генеративного ИИ и современных нейросетевых моделей
Аудитория
Кому подойдет этот курс
Курс разработан для разных людей, интересующихся современными методами машинного обучения и генеративного моделирования. Проверьте, узнаете ли вы себя среди них…
02
Есть базовые знания линейной алгебры, математического анализа, теории вероятностей
И хотите применять математические основы на практике в задачах deep learning
03
Есть общее понимание методов машинного и глубокого обучения
И хотите глубже разобраться в генеративном моделировании и GAN-архитектурах
04
Есть базовый опыт программирования на Python
И хотите получить практический опыт реализации и обучения генеративных моделей на реальных данных
Как устроен курс?
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)
- 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).
Пример задачи из практического домашнего задания, которая поможет вам определиться с тем, подходит вам курс или нет
Эксперт
эксперт курса
Милена газдиева
лауреат номинации «Начинающие преподаватели» Yandex ML Prize 2025, инженер-исследователь в группе генеративного ИИ «Сколтеха», научный сотрудник института AIRI в группе «Основы генеративного ИИ», преподаватель курса по генеративному ИИ Сколтеха, преподаватель курса «Фундаментальные основы генеративного ИИ» в Школе анализа данных «Яндекса».
Онлайн-эксперт курса
Даниил Осипов
Специалист по построению и развитию тренерских
и спикерских сообществ. Обучал команды Ozon, Яндекса, ВТБ, Райффайзен Банка, Роснефти, Норникеля, Магнита и Газпрома
и спикерских сообществ. Обучал команды Ozon, Яндекса, ВТБ, Райффайзен Банка, Роснефти, Норникеля, Магнита и Газпрома
Совместно с командой подготовил программу курса и записал серию видеоуроков специально для вас. Все видео-уроки размещены на платформе Геткурс и доступны вам круглосуточно. Вы можете изучать их в удобное для вас время. После просмотра необходимо выполнить задание урока
и самостоятельно подготовиться к очным Творческим лабораториям
и самостоятельно подготовиться к очным Творческим лабораториям
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.
Мы собираем сканы паспортов для подтверждения личности участника обучения в соответствии с действующим законодательством об образовании (Федеральный закон "Об образовании в Российской Федерации" от 29.12.2012 N 273-ФЗ)