Артем Чумаченко: Как создать Deep Learning курс с нуля

• Артем занимается диплингом в Яндексе.  

• Он студент Физтеха, где студенты могут стать ассистентами преподавателей.  

• Артем создал курс по диплингу, используя фреймворк Catalyst.  

• Диплинг включает обработку данных и использование моделей.  

• Основные модели: нейросети с скрытым состоянием, конволюционные и рекуррентные нейронные сети.  

• Примеры применения: классификация картинок, распознавание лиц, генерация цифр.  

• Нейросети используются для классификации, сегментации и поиска объектов в тексте.  

• Различие в данных: в компьютерном зрении используются числовые данные, в NLP — последовательности символов.  

• Распознавание речи использует модели для работы с изображениями.  

• Обучение роботов с помощью нейросетей.  

• Предсказания на социальных графах.  

• Границы применения нейросетей и использование классических методов.  

• Дистилляция знаний из больших моделей в мелкие.  

• Удаление нейронов для уменьшения размера модели.  

• Использование специализированного оборудования для ускорения.  

• Важность выбора инструментов для обучения.  

• Сравнение обучающих кривых в играх и фреймворках.  

• Catalyst как инструмент для обучения, позволяющий быстро получать хорошие примеры.  

• Темы курса: детекция объектов, генеративные модели, обучение роботов.  

• Catalyst позволяет быстро получать примеры и изменять их.  

• Экосистема Catalyst включает библиотеки для работы с моделями в проде.  

• Работа с пачами данных и инициализация моделей.  

• Возможность изменения деталей обучения и возврата в цикл.  

• Использование библиотеки React для создания телеграм-ботов.  

• Для создания курса по диплингу нужно изучить области диплинга, их связь и важные темы.  

• Необходимо разобраться с инструментами и их использованием.  

• После исследования нужно создать курс.  

• Автор уже справился с этим и предлагает перейти по QR-коду на главную страницу курса.  

• Студенты прошли курс, делали домашние задания и оставили отзывы.  

• Автор благодарит всех, кто помогал в создании курса, и предлагает перейти по QR-коду.  

• Автор предлагает задавать вопросы по курсу или связанным темам в Telegram.  

• Благодарит за просмотр выступления и прощается.