Отзывы студентов

Майнор “Нейросетевые технологии” позволяет углублённо изучить теоретическую и практическую сферу Нейронных сетей, начиная с простейшей базы и заканчивая прикладными применениями. Особое внимание уделено именно практическим заданиям, которые  помогают получить ценный опыт в работе. Стоит отметить и приятную систему оценивания, особенно большой вес домашних заданий и личных проектов, который добавляет мотивации развиваться не только в рамках курса. Для меня это стало отправной точкой в углубленном самообучении сферы Искусственного Интеллекта. Полученные знания также перекликались с моими интересами, благодаря чему успешно реализовал идеи в своих проектах: DeepQ NN для создания игровых ИИ, DIffusion models для генерации изображений, GraphSAGE для решения графовых проблем, TTS модели для генерации голоса и многие другие. Нейросети применимы к огромной части всего Computer Science, именно поэтому для решения или оптимизации прикладных задач широко начал использовать их. Темы майнора актуальны, поощряется самостоятельное обучение, изучается много современных моделей и подходов ML. Всё это позволяет студентам глубоко погрузиться в мир нейронных сетей.
Красильников Николай, ВШЭ-НН 21ПМИ-1, 2024

Я выбрал майнор "Нейросетевые технологии" потому, что уже по описанию программы было понятно, что мы будем заниматься реальными задачами, которые стоят перед различными индустриями сегодня. Например, для меня, как для экономиста-исследователя, было крайне привлекательно получить в распоряжение настолько мощный инструментарий, как нейросети, уже сейчас я применяю эти знания для работы над моим исследованием рынка ретейла в России.
Майнор состоит из 4 дисциплин, которые помогли мне сформировать четкое представление, что такое нейросети. Как оказалось, это не магия, а программа, которую мы создаем сами в среде разработки и четко понимаем, как она работает и что она должна нам выдать в результате. По итогу первого года на майноре я получил полное понимание, что лежит в основе процесса обучения нейронной сети и узнал какие виды нейронных сетей бывают, а также для решения каких задач они применяются. Более того я сам увидел, насколько они полезны для решения математических задач.
На втором году обучения я был уже полностью вовлечен в данную область и более того, четко определил для себя, что теперь хочу использовать в своей дальнейшей работе все то, что узнал на майноре, для решения экономических задач. Последняя дисциплина Майнора подводит итог и рассказывает про множество современных нейросетевых архитектур и их применении. Например, разобрав устройство одной из нейросетей YOLO, я использовал ее для считывания цен на товары в магазинах. Это пример, так называемого промышленного шпионажа, так как торговые сети прекрасно понимают, что вручную переписывать цены на товары крайне сложно, почти невозможно. Однако запустить машинку с камерой по полкам магазина, а потом обработать видеоизображение, и в итоге получить огромные ценовые датасеты с информацией о товаре. Это, я считаю, прекрасный пример, почему я ни разу не пожалел, что пошел именно на этот майнор.
Так что, если серьезно подойти к изучению данных дисциплин, можно стать ценным специалистом в своей области, который обладает новаторскими решениями для серьезных задач, которые стоят перед нами.
Кирилл Парников, Санкт-Петербургская школа экономики и менеджмента, 2023

Данный майнор позволяет погрузиться в мир не только нейросетевых технологий, но и в машинное обучение в целом. Программа курса предполагает освоение огромного множества возможных архитектур нейронных сетей, оптимизационных алгоритмов и потенциальных сложностей при их реализации. Помимо подробных лекций, объясняющих теоретические основы и приводящих различные примеры, присутствуют семинары, на которых можно ознакомиться с применением искусственного интеллекта в решении реальных задач, далеко не самых простых (адаптивное шумоподавление, генерация изображений, разработка нейрокомпьютеров и др.). Таким образом, майнор «Нейросетевые технологии» будет интересен студентам с разных направлений, не только технических. Связано это, прежде всего, с всеобъемлющей цифровизацией и постоянным, нарастающим внедрением ИИ во все сферы жизнедеятельности. Не стоит бояться при выборе данной дисциплины, ведь разбирается все подробно – каждый при желании сможет понять материал. После прохождения данного майнора Вы будете знать разнообразные архитектуры нейронных сетей, видеть потенциальные и существующие области их применения, а также уметь их самостоятельно разрабатывать. Лично мне майнор помог лучше разобраться в реализации нелинейных систем для решения прикладных задач, а также серьезно расширить свой кругозор в сфере IT-технологий.
Анатолий Гурский, БИТ193, МИЭМ, 2022
 

Майнор «Нейросетевые технологии» отлично подходит для всех желающих изучить современные достижения в области машинного обучения, компьютерного зрения и нейронных сетей. Для обучения понадобится знание любого высокоуровневого языка программирования и базовое понимание основ алгоритмизации. Основной плюс данного майнора, что он основан на практике. Фокус и упор сделан не только на математической теории, но и на практическом применении решаемых задач. На курсе слушатель на многочисленных примерах из разных сфер науки и техники изучит основные модели нейронных сетей и узнает, в каких случаях их использовать; рассмотрит различные алгоритмы обучения; ознакомится с подходами предотвращения переобучения и изучит методы их оценки. После успешного прохождения курса студент сможет применять навыки машинного обучения на практике в той сфере деятельности, где он работает. Майнор «Нейросетевые технологии» – отличная возможность для получения базовых знаний в самой продвинутой на данный момент области IT.
Владимир Кашицын, МИЭМ, 2019

Майнор помог в цельном понимании нейросетей и их разнообразии. В майноре рассматривается не только применение нейросетей, но и принципы их работы (будет и математическое объяснение обучения нейросетей), подходы к разным сферам (как они могут использоваться, к примеру, в металлургии, робототехнике и др. сферах) и различные типы нейросетей. В этом курсе можно отметить комплексность рассмотрения темы нейросетей (конечно, при этом хорошо не забывать смотреть тематический план дисциплины, чтобы понимать порядок этапов рассмотрения и держать целостную картину обучения в голове).
Дмитрий Баранов