Нейросети·Курс
Нейронные сети и глубокое обучение
Курс по нейронным сетям: перцептрон, обратное распространение, свёрточные и рекуррентные сети, трансформеры и современные архитектуры
Часть трека «Математика» — пройди его до конца ради проверяемого диплома →
§ 01 — Ориентир
Впервые здесь?
Что вы научитесь делать, для кого это, сколько займёт и с чего начать.
К концу вы сможете
- 01Понимать, как обучается нейронная сеть.
- 02Строить модели на CNN и RNN.
- 03Объяснять, как работают трансформеры.
- 04Понимать генеративные модели за современным ИИ.
- 05Читать статью по глубокому обучению, не тонув в ней.
Кому подходит
Сколько времени займёт
- Быстрый обзорПробежать первый модуль и шпаргалку, чтобы схватить суть.~2 ч
- Полное прочтениеПрочитать каждую статью один раз, по порядку.~2 ч
- Путь к мастерствуЧитать, проходить квизы и повторять с интервалами.~2 нед.
- APA
Stoa. (2026). Нейронные сети и глубокое обучение [Онлайн-курс]. Stoa. https://ru.stoa.school/course/neural-systems
- MLA
Stoa. “Нейронные сети и глубокое обучение.” Stoa, 2026, https://ru.stoa.school/course/neural-systems.
- Chicago
Stoa. “Нейронные сети и глубокое обучение.” Stoa. Дата обращения: 1 сентября 2026 г.. https://ru.stoa.school/course/neural-systems.
§ 02 — Программа
5 модулей.
Каждый модуль — отдельный блок. Большинство читается по порядку — но опытный читатель может начать с любого.
- M IОсновы нейронных сетейПерцептроны, многослойные сети и алгоритм обратного распространения3 статей
18 минОткрыть → - M IIГлубокое обучение: теория и практикаОптимизация, нормализация и продвинутые архитектуры3 статей
18 минОткрыть → - M IIIРекуррентные нейронные сетиLSTM, GRU, обработка последовательностей и NLP3 статей
18 минОткрыть → - M IVГенеративные моделиGAN, VAE, диффузионные модели и генерация данных3 статей
18 минОткрыть → - M VТрансформеры и большие языковые моделиМеханизм внимания, BERT, GPT и LLM-эра3 статей
18 минОткрыть →
§ 03 — Результаты обучения
4 результата.
Понимать архитектуру нейронной сети, функции активации и обратное распространение
Строить и применять свёрточные и рекуррентные архитектуры
Понимать механизм внимания и архитектуру трансформера
Работать с автокодировщиками, GAN и диффузионными моделями
§ 04 — Практики