Программа курса

Курс строится по принципу "от простого к сложному". Сначала студенты знакомятся с основами, а затем переходят к сложным архитектурам и практическому применению.

Основы профессии и нейронных сетей

На первых занятиях объясняют, кто такой разработчик генеративного ИИ и чем он занимается. Студенты узнают о сферах применения технологии и инструментах, которые используют в работе. Затем они переходят к основам нейронных сетей - изучают их структуру, типы и учатся строить простые модели. Далее идет разбор процесса обучения сетей, методов оптимизации и регуляризации для улучшения результатов.

Сложные архитектуры и большие языковые модели

В этом блоке рассматривают передовые архитектуры нейронных сетей. Студенты учатся работать с CNN и RNN для различных типов данных. Затем они переходят к большим языковым моделям - изучают их архитектуру, принципы обучения и сферы применения. Отдельный модуль посвящен практической работе с LLM - их настройке и адаптации под конкретные задачи.

Генеративные состязательные сети

Здесь студенты знакомятся с GAN - технологией, которая лежит в основе современного генеративного ИИ. Они изучают архитектуру этих сетей, процесс их обучения и учатся строить базовые модели. Далее идут более сложные темы - передовые архитектуры GAN, методы решения проблем стабильности и настройки гиперпараметров. Завершается блок практическим применением GAN для реальных задач.

Другие генеративные модели и их применение

Этот раздел посвящен вариационным автоэнкодерам и другим генеративным моделям. Студенты изучают архитектуру VAE, учатся их реализовывать для генерации данных и применять на практике. Затем идет обзор других типов генеративных моделей и их возможностей.

Практическая работа и оценка качества

Студенты переходят к анализу реальных кейсов применения генеративных моделей. Они учатся оценивать эффективность различных подходов, тренировать и оптимизировать модели для конкретных продуктов. Отдельный модуль посвящен методам оценки качества генеративных результатов и совершенствованию моделей на основе этих оценок.

Безопасность и завершение обучения

Завершающая часть курса сосредоточена на вопросах безопасности. Студенты узнают об уязвимостях LLM, рисках для конфиденциальности данных и способах защиты генеративных моделей. Они рассматривают применение GenAI в кибербезопасности и учатся разрабатывать решения для противодействия угрозам. В конце курса каждый студент презентует свой итоговый проект.

Что получат студенты

Курс сочетает теоретические знания с практическими навыками. Каждый студент имеет поддержку ментора на протяжении всего обучения. После успешного завершения курса выдается сертификат, а готовый проект можно добавить в свое портфолио.

Что включено

Вечерние занятия

Выдается диплом/сертификат

Реальный проект в портфолио

Сопровождение ментора

Розробка моделей Generative AI

О курсе

Программа курса

Основы профессии и нейронных сетей

Сложные архитектуры и большие языковые модели

Генеративные состязательные сети

Другие генеративные модели и их применение

Практическая работа и оценка качества

Безопасность и завершение обучения

Что получат студенты

Что включено

О школе

Robot Dreams

Другие курсы школы

DevOps Engineer

Основи геймдизайну

SQL Advanced для аналітики