2月18日之后，开放和免费的“手指深度学习”课程将开始。
该课程旨在处理从头开始的现代深度学习，并且一般不需要神经网络或机器学习知识。 在YouTube上进行直播的讲座，使用Python进行作业，在俄语水平最高的DS社区ODS.ai和ClosedCircles中进行讨论和提供帮助。
之后，您将不会成为专家，但是您将了解所有这些内容，可以将DL付诸实践，并且可以进一步了解自己。 好吧，充其量。
同时向新西伯利亚国立大学的本科生以及新西伯利亚CS中心的学生授课。
手指上的说明如下所示：
主要链接是dlcourse.ai 。 详细信息如下。
它来自哪里
一切始于一位前主管再次来访的事实，我问他们在NSU的本机部门如何进行机器学习。 原来，他们一直在找老师几年，找不到。 我开玩笑地说，原则上可以，但是我得安排硅谷与新西伯利亚的电话会议。
逐字逐句地讲，在下一学年中，该系的学生来到了观众席，他们在YouTube的聚光灯下加入了直播。 他们提出了问题，我的回答延迟了5秒钟，总的来说，未来已经来临。 非常感谢AIPT FF NSU部门和Yura Baburov（ buriy ）主持了研讨会！
好吧，如果2019年大学课程热情高涨，那么它的资料必须向所有人开放并可供所有人使用。
尤其是当我开始这样做时，已经有很多关于深度学习的英语课程-Stanford和Andrej Karpathy的CS231n和Jeremy Howard的fast.ai。 关于俄语中的经典ML，有一个很好的mlcourse.ai来自yorko和ODS兄弟，但是关于俄语中的DL则是一套完整的课程（演讲，作业和活跃的讨论场所）-我没有找到。
顺便说一下，现在，很多人都在做和布置有关深度学习的课程，这真是太好了。 如果事实证明至少在某些时候是其他课程的基准-对我来说已经很成功了。
最新消息
整个课程需要什么？ 对我来说-讲座，作业以及讨论和提问的地方。
讲座-每周都会在YouTube上直播，这样您就可以一路问问题。
任务-将放置在github上，笔记本电脑上的所有内容都将放置在Python上。
您不必拥有自己的GPU即可完成任务-感谢Google for Google Colab ！
讨论的地方是ODS.ai中的#dlcourse_ai频道和ClosedCircles上的#dlcourse。
我们还将要求您撰写有关一些现代文章的文章，并参加实际的机器学习竞赛。
如何进入ODS通过邀请可以访问ODS，但是如果您在应用程序中指出您正在谈论dlcourse.ai课程，则机会将大大增加。 同时，它自信地回答了“为什么这门课程比其他课程更好”的问题。
可以在去年的版本中找到一个示例程序，有关该程序的信息，请参见Habré- https: //habr.com/ru/post/414165/
TL; DR
- 深度学习的基础知识包括公式，数学和基本训练方法。
- 以PyTorch为例使用现代库。
- 应用到主要领域-计算机视觉，文本和声音处理，强化学习。
- 当前状态的简要概述。
成功完成课程需要了解的知识
三件事！
每张都会附有一张测试图片-如果没有吓到您，则说明您从事这项业务。
一点python：
一点线性代数：
一点分析：
如果仍然有任何图片令人恐惧，这里有一个很好的选项列表-https://vk.com/mlcourse?w=wall- 158557357_3 。
谁做的课程
您真的是制作人吗？ 是的，我真的是制片人。
我主要讲课，但也计划安排来自狭窄圈内知名专家的客座讲演。
以防万一，有两个关于我的词-我的名字叫Semyon Kozlov，我住在山谷，我在Instrumental创业公司领导机器学习，我曾经在Dropbox的机器学习团队工作。 甚至在更早的时候，我就从事计算机图形学，制作游戏，并通过给显卡一个存在的理由来帮助深度学习。
利用其余的内容，他们可以帮助：
我也很害怕妻子如何帮助，支持和释放时间。 烹饪所有这些都是疯狂的工作。
如何开始！
在dlcourse.ai上，您可以在邮件或Telegram组中注册anos。
第一次演讲已经在2月18日之后的两个星期。
如果您长期以来打算处理所有这些神经网络-这是一次机会！
但是，如果我们成功了，那么所有大学的所有课程将不可避免地以这种方式进行。 我们将为美好的未来而战！