Мы разберёмся что такое искуственные нейронные сети и какие задачи они призваны решать. В чём причина их популярности? В чём их принципиальное отличие от обычных программ и алгоритмов. Разберёмся с математическими принципами их обучения и использования: прямым и обратным распространением ошибки.

Разберём задачу линейной регрессии, принцип обратного распространения ошибки и поговорим про градиентный спуск.

Вы узнаете, каким образом нейронная сеть подбирает весовые коэффициенты в процессе обучения, и поймёте, как влияют
некоторые гиперпараметры на скорость обучения.

Соберём небольшую нейронную сеть с помощью Google Colab
и обучим её.

Вы научитесь пользоваться интернет-сервисомGoogle Colab, который
даёт доступ к GPU и позволяет обучать нейронные сети. Получите
первые практические навыки в обучении нейронных сетей на Python.

Обучим классифкатор, посмотрим какие параметры обученя влияют
на результат. И рассмотрим возможности, предоставляемые keras.

Мы добавим в нашу нейронную сеть свёрточные слои. Разберёмся что это такое и как они работают. Получим свёрточную нейронную сеть гораздо точнее решающую задачу.

Пришло время применить свёрточную нейронную сеть для классификации нескольких классов и воспользоваться набором
данных из интернета, а не собственноручно собранным.

Применяем наши сети к видеопотоку с камеры. Разбираем полезные инструменты для кодирования меток на изображениях и повышаем универсальность сети, чтобы в неё можно было добавлять дополнительные классы.

Разбор видов детекторов и принципов их работы. Собираем и обучаем собственный детектор. Посмотрим, как детектор будет работать с видеопотоком с камеры. Анализируем возможность применения детекторов в школьных проектах