Запишитесь на пробное занятие бесплатно
Мы пришлем вам всю необходимую информацию о занятиях и позвоним, чтобы обсудить удобные время и место проведения занятия
Подарочный сертификат
Записаться в городской лагерь Кодабра
.


Записаться
Заполнить заново


Записаться
Заполнить заново


Записаться
Заполнить заново

Персональные данные обрабатываются в соответствии с требованиями
Федерального закона от 27.07.2006 №152-ФЗ «О персональных данных»

14-17 ЛЕТ

Разработка нейронной сети на Python

УРОВЕНЬ 1

Основы машинного обучения

Курс, который позволит детям за сжатые сроки узнать, как работают нейросети, и научиться использовать их для решения прикладных задач.

Ребята разработают нейронную сеть для анализа изображений — совсем как в известном приложении Prisma. Каждый участник создаст свой личный проект, который будет распознавать картинки в зависимости от интересов своего создателя: будь то рэпер Оксимирон, котики или крутые тачки. Дети изучат основы программирования на языке Python и построения нейронных сетей. Они освоят базовые понятия алгоритмов, способы хранения данных и принципы «взрослого» функционального программирования. Дети научатся использовать библиотеки языка Python — NumPy и TensorFlow, а также узнают, как работает машинное обучение и научатся использовать нейросети для решения прикладных задач.

Подросткам от 14 лет, увлекающимися IT и мечтающим программировать искусственный интеллект и роботов

Развиваем навыки

Знание синтаксиса и базового функционала Python
Навык построение алгоритмов и функций
Базовые понятия теории вероятностей
Базовые понятия линейной алгебры
Умение использовать машинное обучение
Основы построения нейронных сетей
Командная работа
Планирование проекта
Постановка и решение задач
Презентация готовой работы

Задачи курса:

- Ознакомиться с принципами работы и устройства машинного обучения

- Научиться строить базовые модели машинного обучения

- Получить навыки обработки текстовой информации и изображений

- Научиться решать задачи классификации с помощью машинного обучение

- Получить представление об устройстве нейронных сетей

- Разработать нейтронную сеть для задачи классификации

- Познакомиться с нейросетями, обрабатывающими изображения (CNN)

- Построить собственную сверточную нейтронную сеть

План курса

.1
Знакомство с Python
Изучаем понятие переменной
Знакомимся с базовыми инструментами построения алгоритмов (циклы, ветвления)
Изучаем типы и способы хранения данных
Практический результат
Несколько базовых алгоритмов на языке Python
.2
Функциональное программирование
Знакомимся с понятием функции
Изучаем встроенных функций, библиотек
Программируем пользовательские функции
Практический результат
Решения логических задач с помощью программ на Python
.3
Первый шаг в машинном обучении (МО)
Изучаем принципы МО
Формулируем задачи классификации
Узнаем существующие алгоритмы машинного обучения
Изучаем понятие вероятности
Практический результат
Основа для написания первого алгоритма МО
.4
Наивный Байес» — основа МО
Знакомимся с библиотекой NumPy
Программируем алгоритма наивного байесовского классификатора
Обучаем алгоритм с помощью Data Set
Оцениваем точность алгоритма Байеса
Практический результат
Первая запрограммированная машина, способная определять, что изображено на картинке с точностью около 70%
.5
Линейные модели МО
Изучаем понятие линейной функции
Узнаем, что такое приближение функций
Выделяем подзадачи в задаче классификации
Работаем над алгоритмом линейного приближения
Практический результат
Заготовка для алгоритма МО, классифицирующего изображения с более высокой точностью
.6
Линейная регрессия
Завершаем программирование алгоритма линейного приближения
Тренируем алгоритм с помощью Data Set
Подбираем параметры для нашей модели МО
Практический результат
Программа, распознающая картинку с точностью до 85%
.7
Рекуррентные нейронные сети
Узнаем, чем отличается нейросеть от МО
Изучаем устройство нейронов
Узнаем, как нейросети запоминают информацию
Знакомимся с понятием рекурсии
Практический результат
Построенная модель нейронной сети для распознавания изображений
.8
Рекуррентная сеть LSTM, генерация текста
Используем библиотеку TensorFlow
Подбираем наилучшую архитектуру нейросети
Тренируем сеть
Индивидуально выбираем картинки для исследования
Используем нейросеть для генерации текста к выбранным изображениям
Практический результат
Нейронная сеть, определяющая, что изображено на картинке, и создающая подпись к ней.

Результат обучения

- три программы машинного обучения, умеющие определять, что изображено на картинке

- готовая к использованию рекуррентная нейронная сеть, предназначенная для генерации текста к картинке

Дети рассказывают о своих проектах

Наши преподаватели

Все ребята имеют профильное образование, опыт работы в IT и регулярно проходят аттестацию

Как проходит обучение в Кодабре?

Офлайн-курсы
Дизайн и анимация в играх 
6-9 лет
УРОВЕНЬ 1
Основы
Подробнее о курсе
Офлайн-курсы
Программирование в Minecraft 
10-13 лет
УРОВЕНЬ 1
Основы
УРОВЕНЬ 2
JavaScript
Подробнее о курсе
Офлайн-курсы
Разработка и дизайн сайтов 
10-14 лет
УРОВЕНЬ 1
Основы
УРОВЕНЬ 2
Профи
Подробнее о курсе
Офлайн-курсы
Создание игр: математика и логика 
6-9 лет
УРОВЕНЬ 1
Основы
УРОВЕНЬ 2
Алгоритмы и игровая логика.
Подробнее о курсе
Офлайн-курсы
Творчество в Minecraft. 
6-9 лет
УРОВЕНЬ 1
Компьютерная грамотность
УРОВЕНЬ 2
Квест
Подробнее о курсе
Офлайн-курсы
Создание игр на Unity 
10-14 лет
УРОВЕНЬ 1
Основы
УРОВЕНЬ 2
Приложение для телефона
Подробнее о курсе
Офлайн-курсы
Разработка игр на Python 
10-14 лет
УРОВЕНЬ 1
Разработка игр на Python
Подробнее о курсе
Офлайн-курсы
Разработка и дизайн сайтов. Основы HTML, CSS и JavaScript 
14-17 лет
УРОВЕНЬ 1
Разработка и дизайн сайтов. Основы HTML, CSS и JavaScript
Подробнее о курсе
Офлайн-курсы
Разработка нейронной сети на Python 
14-17 лет
УРОВЕНЬ 1
Основы машинного обучения
Подробнее о курсе
Офлайн-курсы
Монтаж своего видеоролика для YouTube 
10-14 лет
УРОВЕНЬ 1
Монтаж своего видеоролика для YouTube
Подробнее о курсе