► 1. ЗНАКОМСТВО с курсом | Курс по нейронным сетям с Pytorch.

*https://www.youtube.com/watch?v=KcOZ07X1Y2M
**https://300.ya.ru/v_R0xD1PtL

таймкоды

00:00:00 Введение

• Сергей Дубинин представляет курс по нейронным сетям на PyTorch.
• Курс ориентирован на новичков, не требующих глубоких знаний математики.

00:00:15 Преимущества курса

• Большинство курсов по нейронным сетям требуют знаний линейной алгебры и математического анализа.
• PyTorch скрывает математику под капотом, упрощая работу с нейронными сетями.
• Курс предназначен для абсолютных новичков.

00:01:25 Необходимые знания Python

• Важно знать основы Python: работу со списками, словарями, кортежами, условные операторы, циклы, менеджеры контекста, функции, классы, наследование, методы.
• Необходимо понимать магические методы len и getitem.

00:02:09 Дополнительные библиотеки

• Для работы с массивами используется NumPy.
• Частично понадобятся библиотеки Matplotlib, PIL, JAX.
• PyTorch будет основной библиотекой курса.

00:02:47 Структура курса

• Курс разделён на три блока: теория, практика, реализация архитектур.
• Первый блок: теория, подготовка данных, функции активации, потери, скорость обучения, сохранение и загрузка моделей.
• Второй блок: усложнение модели, слои нейронной сети, борьба с переобучением, сверточные слои, нормализация, пуллинг.
• Третий блок: реализация различных архитектур нейронных сетей с нуля, включая ResNet, U-Net, вариационный автоэнкодер, генеративно-состязательную сеть, трансформер и визуальный трансформер.

00:04:04 Трансферное обучение

• Обучение нейронных сетей может быть дорогим или долгим.
• Трансферное обучение позволяет использовать уже обученные модели для дообучения на своих данных.

00:04:53 Заключение

• Сергей прощается, призывает подписываться на канал, ставить лайки и оставлять комментарии.

В этом видео

Введение.
0:00
Здравствуйте друзья с вами Дубинин
0:03
Сергей вы смотрите видео из курса
0:05
нейронные сети Spy torch без формул
0:07
только практика в этом видео Я хочу
0:09
рассказать о структуре курса и какими
0:12
навыками вы будете обладать пройдя его
0:14
до конца Перед тем как мы начнём
0:16
поставьте видео на паузу подпишитесь на
0:19
канал и нажмите на колокольчик чтобы не
0:21
пропускать новые видео в интернете В
Для кого этот курс.
0:24
частности на
0:25
ютубери курсов по нейронным сетям среди
0:28
них есть очень хорошие но на мой взгляд
0:30
все эти курсы нацелены на особый Круг
0:33
людей так как чтобы их осилить нужны
0:35
хотя бы базовые знания в линейной
0:37
алгебре и математическом анализе И к
0:39
сожалению Математика — это такая наука
0:42
которая
0:43
отобьёмся
0:54
с нейронными сетями пробудить в себе
0:57
интерес к этой области можно обойти и
1:00
без линейной алгебры и мата анализа и
1:02
всё это благодаря тому что существуют
1:05
такие библиотеки как pytorch в которой
1:07
вся математика спрятана под капотом Нам
1:10
же остаётся разобраться какой метод
1:12
функцию или класс использовать в том или
1:15
ином случае поэтому я решил сделать этот
1:18
курс который предназначен для абсолютных
1:20
новичков причём Неважно где вы учились и
1:23
чем занимаетесь сейчас Итак без
Базовые знания для прохождения курса.
1:25
математики мы худо-бедно обойдёмся
1:27
разберём без чего обойтись не получится
1:30
самое главное что нужно иметь в своём
1:32
арсенале — это Python а именно нужно
1:35
знать и уметь работать со списками
1:38
словарями кортежа понимать как
1:41
использовать условный оператор If циклы
1:43
for и менеджер контекста wis Необходимо
1:47
уметь Объявлять функции и
1:50
классы хотя бы догадываться что в Python
1:53
есть наследование классов и иногда при
1:56
этом используется функция супер
1:58
обязательно уметь Объявлять методы в
2:00
классах и напоследок нужно знать и ещё
2:03
лучше понимать два магических метода Len
2:07
и Get item с помощью первого метода
2:10
можно получить длину объекта класса А с
2:13
помощью второго можно получить элемент
2:15
по индексу это в принципе всё что нам
2:17
понадобится возможно я что-то упустил но
2:20
основное точно сказал помимо самого
2:22
пайтона ещё нужно уметь работать с
2:25
массивами Здесь нам на помощь придёт
2:27
библиотека най у меня на канале есть
2:29
лист по этой библиотеке заодно
2:31
Посмотрите плейлист по библиотеке pandas
2:35
правда в этом курсе она нам скорее всего
2:37
не понадобится А вот такие библиотеки
2:39
как matplot lip Peel OS Jon нам
2:42
понадобятся но частично буквально пару
2:45
методов и функций из каждой я их покажу
2:47
в процессе Ну и конечно же гвоздь
2:50
программы — это библиотека pytorch это
2:52
будет наше рабочей лошадкой на
2:54
протяжении всего курса поговорим о
2:56
структуре курса он условно разделён на
Структура курса.
2:58
три блока первый блок будет самым
3:01
тяжёлым так как в нём много теорий вы
3:04
познакомитесь со структурой нейронной
3:06
сети и этапами её обучения разберём
3:09
основы библиотеки pytorch научитесь
3:11
подготавливать сырые данные перед
3:13
отправкой их на обучение в нейронную
3:15
сеть разберём трансформирование данных
3:18
узнаете Что такое функции активации и
3:20
функции потери научитесь изменять
3:23
скорость обучения а также сохранять и
3:25
загружать модели как итог этого блока вы
3:28
создадите модель нейронной сети начиная
3:30
с подготовки данных до сохранения
3:33
готовой модели во втором блоке мы будем
3:35
усложнять модель нейронной сети для
3:38
этого разберём различные слои нейронной
3:40
сети такие как линейные Но с ними вы
3:42
познакомитесь и в первом блоке
3:44
рассмотрим способы борьбы с переобучения
3:46
с помощью слоя dropout разберём
3:49
свёрточные слои слои нормализации пулин
3:52
Ну и другие посмотрите как это всё
3:54
применяется и какие результаты даёт в
3:57
третьем блоке мы с нуля используя
4:00
полученные знания реализуем различные
4:02
архитектуры нейронной сети начнём со
4:05
старичков VG потом рассмотрим resnet
4:08
далее повторим архитектуру unet для
4:10
сегментации создадим вариационный
4:12
автоэко
4:14
генеративное сеть Ну и куда же мы без
4:16
любимчика публики создадим модель для
4:19
генерации текста на основе архитектуры
4:21
трансформер А напоследок создадим
4:23
архитектуру Visual Transformer все эти
4:26
архитектуры мы напишем с нуля причём мы
4:28
их не Только напишем но и попробуем
4:30
обучить и здесь с первыми тремя проблем
4:32
не должно возникнуть А вот последние три
4:35
очень быстро вам объяснят что обучение
4:37
нейронной сети — это либо дорого либо
4:39
долго именно в этот момент пока вы не
4:42
спалили свои видеокарты нужно достать
4:44
Козырь из рукава под названием Transfer
4:46
Learning это когда мы берём уже кем-то
4:49
хорошо обученную модель и дооб бучая её
4:52
на своих данных вот таким будет этот
4:54
курс на этом Данное видео подходит к
4:57
концу Не забывайте подписываться на
4:59
канал ставьте лайки оставляйте
5:01
комментарии Я же с вами прощаюсь До
5:03
новых встреч