Объясним теорию, расскажем про основные сложности и поможем отточить знания на практике
Ускорение нейросетей
Старт — в июне 2025
Научитесь решать задачи эффективно
Лист ожидания
Мы свяжемся, когда начнем собирать группу 3-го потока и подарим скидку на обучение
Курс для тех, кто уже работает в индустрии и хочет
Разобраться в теории
Освоить фреймворки
Поднять скиллы
Перенять опыт
Чтобы понимать, как работает каждый метод ускорения сетей
И оптимальным образом ускорять модели под каждый вычислитель
Освоить востребованный навык, чтобы поднять свою ценность
Узнать про все сложности от экспертов области
Узнаете, как устроен каждый алгоритм: дистилляция, прунинг, квантизация, матричные разложения и NAS
Ускорять инференс нейросетей
Чему вы научитесь
Ускорять инференс за счёт изменения архитектуры и утилизации вычислителя
Совмещать все методы воедино
Сможете комбинировать различные подходы и решать вытекающие трудности
Разберетесь в устройстве CPU, GPU, NPU и научитесь запускать сети на смартфонах и микрокомпьютерах
Запускать инференс на различных устройствах
Сохранять точность при ускорении
Создавать модели с высокой точностью и высоким fps даже на одноплатных компьютерах
Программа
Лекция каждую неделю. После каждой темы — домашнее задание с фидбеком от лектора. Раз в 4−5 недель — Q&A-сессия для разбора вопросов. После каждого блока курса есть перерыв на каникулы.
17
недель
13
лекций
13
заданий с фидбеком от преподавателей
Блок 1. База – 8 лекций
Научитесь ускорять инференс за счёт изменения архитектуры сети. Проведёте нейросеть через прунинг, квантизацию и дистилляцию. А ещё познакомитесь с ускорением сетей на популярных x86 CPU и GPU
1. Distillation
Метод для улучшения точности нейронной сети. При комбинации с другими методами — для ее ускорения
Темы лекции:
Дистилляция и DarkKnowledge
Функции потерь для дистилляции: MSE / KLD / MAE
Дистилляция для ускорения моделей
Дистилляция в классических CV-задачах: classification, detection, identification
На практике:
Научитесь дистиллировать сеть для сегментации людей
3. Low-Precision computing
Квантование нужно для представления нейронной сети через тип данных, меньший исходного. С его помощью она сможет использоваться на устройстве с малыми вычислительными ресурсами
Темы лекции:
8-ми битное квантование
Quantization aware training как способ улучшения качества нейронной сети
Раз в 4−5 недель спикеры и кураторы собираются в zoom, чтобы ответить на ваши вопросы, помочь с практикой, обсудить задачи
Или приходите на онлайн-встречи с кураторами, чтобы обсудить вопрос голосом
5.
Кто будет преподавать
Опытные инженеры. Каждый расскажет про задачу, с которой несколько лет работал в коммерческих проектах
Александр Гончаренко
CTO в стартапе, занимается созданием R&D версий алгоритмов и проверкой первичных гипотез, которые потом допиливаются и идут во фреймворк
enot.ai
Intel
Артур Панюков
Добавляет в NLP фичи в инференс-фреймворк OpenVINO. Расскажет про особенности его работы и запуска сетей на CPU
ИТМО
Илья Ревин
Научит оптимизировать архитектуры нейросетей с помощью тензорной факторизации и аппроксимации
2GIS
Дмитрий Чудаков
Делает PhD по квантованию. Расскажет про Low-Precision computing
TapMobile
Дмитрий Гордин
Работал над видео-режимом в Android приложении Яндекс. Расскажет про работу с Android камерой, подключение OpenCV, инференс нейросетей
SkyEng
Илья Начевский
Занимается разработкой мультимодальных LLM агентов. Расскажет про ускорение LLM
enot.ai
Андрей Щербин
Имеет большой опыт в применении алгоритмов оптимизации к конкретным моделям. Расскажет про алгоритмы прунинга
Тимофей Науменко
Занимается примеркой часов и кроссовок в виртуальной реальности. До этого занимался алгоритмами автоматического поиска архитектур нейронных сетей
wanna.fashion
Prequel
Александр Ковальчук
Запускал генеративные модели на камере iOS устройства. Расскажет о конвертации нейросетей для мобильных устройств с iOS и их запуске через CoreML и TFLite
Игорь Калгин
Главный разработчик фреймворка ЕНОТ, программный архитектор. Поделится практическим опытом работы с TensorRT
enot.ai
enot.ai
Пётр Иванов
Занимается разработкой приложений на EDGE устройствах. Расскажет про эффективные архитектуры нейронных сетей
2GIS
Дмитрий Чудаков
Оптимизирует сети для быстрой работы на Edge устройствах. Научит ускорять сети
Александр Гончаренко
CTO в стартапе, занимается созданием R&D версий алгоритмов и проверкой первичных гипотез, которые потом допиливаются и идут во фреймворк
enot.ai
Intel
Артур Панюков
Добавляет в NLP фичи в инференс-фреймворк OpenVINO. Расскажет про особенности его работы и запуска сетей на CPU
enot.ai
Пётр Иванов
Занимается разработкой приложений на EDGE устройствах. Расскажет про эффективные архитектуры нейронных сетей
Игорь Калгин
Главный разработчик фреймворка ЕНОТ, программный архитектор. Поделится практическим опытом работы с TensorRT
enot.ai
ИТМО
Илья Ревин
Научит оптимизировать архитектуры нейросетей с помощью тензорной факторизации и аппроксимации
enot.ai
Андрей Щербин
Имеет большой опыт в применении алгоритмов оптимизации к конкретным моделям. Расскажет про алгоритмы прунинга
Тимофей Науменко
Занимается примеркой часов и кроссовок в виртуальной реальности. До этого занимался алгоритмами автоматического поиска архитектур нейронных сетей
wanna.fashion
TapMobile
Дмитрий Гордин
Работал над видео-режимом в Android приложении Яндекс. Расскажет про работу с Android камерой, подключение OpenCV, инференс нейросетей
SkyEng
Илья Начевский
Занимается разработкой мультимодальных LLM агентов. Расскажет про ускорение LLM
Александр Ковальчук
Запускал генеративные модели на камере iOS устройства. Расскажет о конвертации нейросетей для мобильных устройств с iOS и их запуске через CoreML и TFLite
Вы попадаете в чат выпускников — чат с опытными инженерами, где мы проводим литклубы, random coffee и обсуждаем вопросы с работы
Доступ к материалам курса на один год
Комфортные условия для вашей учёбы
Полный возврат стоимости в первые 14 дней, если поймёте, что программа вам не подходит. Если примете решение позже, вернём деньги за вычетом уже пройденных занятий
Налоговый вычет получите 13% от стоимости курса после обучения
Оплата из-за рубежа картой иностранного банка или другими удобными способами
Может оплатить компания. мы принимаем оплату от юрлиц, если хотите, чтобы работодатель оплатил ваше обучение, пусть ваши представители напишут нам на b2b@deepschool.ru для оформления документов и оплаты
Старт курса — в июне, количество мест ограничено. Мы свяжемся, когда начнём собирать группу, расскажем о тарифах и подарим скидки на обучение первым участникам.
Доступен налоговый вычет
Может оплатить компания
Полный возврат в первые 14 дней
Принимаем оплату из-за рубежа
FAQs
Когда проходят лекции и семинары?
Лекции проходят по будням в 18:00 по московскому времени и длятся 1,5−2 часа. Q&A-сессии проходят после каждой 5-й лекции, время определяется индивидуально для каждого потока.
Смогу ли я оформить налоговый вычет?
Да, вы сможете оформить налоговый вычет за обучение, если вы являетесь налоговым резидентом России и оплачиваете подоходный налог. Подать документы на вычет можно в году, следующем за годом оплаты обучения. Подробнее о налоговом вычете за обучение можно прочитать на сайте ФНС
Может ли моя компания оплатить курс?
Моя компания может оплатить курс?
Да, мы подготовим счёт на полную или частичную оплату для юридического лица. Напишите на hello@deepschool.ru Скидки не распространяются на оплату курса юр. лицами, поэтому при заполнении заявки указывайте полную стоимость.
На сколько часов рассчитана программа?
На сколько часов рассчитана программа?
Курс включает 25 астрономических часов лекций и Q&A-сессий. С учетом времени на домашние задания, учеба будет занимать примерно 8 часов в неделю. После каждого блока курса есть перерыв на каникулы.
Что делать, если нет доступной GPU?
Если у вас нет в доступе машины с GPU, мы предоставим кредиты на аренду удаленной машины и подскажем, как настроить подключение к ней
Что я должен знать, чтобы начать обучение?
Основы Deep Learning и Machine learning. Мы предполагаем, что вы уже знаете теорию нейросетей. Если вы сомневаетесь, подходит ли курс именно вам, напишите нам в телеграм Спросить в ТГ
Курс авторский и уникальный. Хоть темы и стандартные для CV, в лекциях было очень много практических вещей из опыта лекторов, которые в интернете вряд ли найдешь. После обучения стала ощущать себя намного увереннее, многие вещи стали понятнее, осталось только углублять знания. Но базу курс дает хорошую, могу рекомендовать всем начинающим специалистам.
Я проходила курс и сразу применяла на практике в работе новые знания. Например, перешла на pytorch lightning, стала лучше организовывать и писать код. Docker и Gitlab CI/CD больше не пугают. Вообще для меня курс многое разложил, как правильно и лучше делать с точки зрения software engineering.
Отдельно хочу отметить очень вовлеченную и позитивную команду преподавателей, которые все отвечали на вопросы подробно и понятно, добирались до самой сути. Отдельное почтение Артему за обширные познания и полезные замечания на код-ревью и Сергею, за то что несколько дней помогал разобраться со вторым дз, и все-таки мы ее побороли :) такая вовлеченность и поддержка дорого стоят, ребятам большое спасибо за атмосферу!
Ольга Чаганова
Я был действительно удивлен уровнем сложности и глубины информации, которую я получил на лекциях. Это второй мой курс от этой команды.
Он был создан группой экспертов в области машинного обучения и нейронных сетей, и это было очевидно в каждом уроке. Курс был структурирован в логическом порядке, начиная с основ и заканчивая сложными алгоритмами ускорения, раскрыв некоторые аспекты так, что уже не кажется невозможным применять техники повсеместно, например, взять тот же NAS. Одно из главных преимуществ — это практические задачи, которые помогли мне закрепить и, немаловажно для меня, применить полученные знания в рабочих задачах. Особенно полезным для меня был инференс сетей на различных типах ускорителей, возможность попробовать работать на edge-устройствах.
Если вы ищете курс, который поможет вам глубже понять ускорение нейронных сетей и настроить свои проекты максимально используя свои ресурсы, то я бы рекомендовал его. Он был сложный, но это было стоило времени и усилий.
Артём Соломко
Курс очень понравился. Знакомство с оптимизацией сетей за какое-то время до курса у меня спрашивали почти на каждом собеседовании, поэтому была очень рада анонсу курса. Каждая лекция покрывает объёмный материал и включает практические рекомендации, которые можно применить, даже если что-то осталось непонятным.
Лекции захватывают больше теории, чем я могла бы найти за разумное время сама. На работе непосредственно задач по ускорению пока что не было, но по материалам курса уже удалось применить методы из лекции по дистилляции для улучшения качества имеющейся модели.
Елизавета Носова
Мне курс понравился: первая часть (посвященная дистилляции, прунингу, квантованию, матричному разложению и NAS) довольно сильно ориентирована на прикладные DS задачи, поэтому лично мне показалась очень полезной.
Часть с лекциями по CPU, микроконтроллерам, GPU и NPU интересная, но более узко ориентированная, больше заточена на разбор узких вопросов по каким-то специфическим архитектурам.
Сейчас в поисках нового места работы, а на эту тему с удовольствием спрашивают собеседующие. Например, что за библиотеки есть для инференса, какие есть проблемы в данных задачах. На сколько может ускоряться инференс. Использую знания из курса, а это часто нравится интервьюерам.
Иван Петров
Курс крутой, много полезного узнал. Очень удобно, что по ускорению собрали все вместе, много тем охватили! Не всё, конечно, понимал, но это из-за слабенького бэкграунда по математике, надо подтягивать :)
Не все лекции удалось посетить, но удобно, что ведется запись, можно позже посмотреть или пересмотреть, если что-то непонятно. Это большой плюс! При этом некоторые лекции сильно выходили за тайминги, было бы хорошо в следующих потоках некоторые разделить на 2.
Обсуждения, помощь и материалы в чате очень помогают, отлично придумано.
В целом, курс очень понравился, материала для моих рабочих задач более, чем достаточно. Теперь надо будет разгрести полученные знания и по максимуму все опробовать на боевых задачах. Спасибо огромное за ваш труд и такую организацию!
Виктор Юдин
Курс максимально полезный лично для меня, систематизирует знания, не оставляет пробелов, и прочитан максимально доступно. Однозначно ощущаю, что стал сильнее в Computer Vision. Все темы были интересны, но особенно выделю SLaM и Bundle Adjustment, а также NeRF.
Перед покупкой казалось, что дороговато, но сомнения не оправдались. Хотелось бы и дальше продолжать изучать материал, для меня курс закончился внезапно).
Всем лекторам спасибо — очень хорошо объясняли свои темы с зацепками где что посмотреть дополнительно. Уже посоветовал курс друзьям и коллегам
Дмитрий
Хочу поблагодарить всю вашу команду за прекрасный курс! Преподаватели отличные, хорошо подготовлен материал.
Воспользовалась на работе некоторыми идеями и мне очень пригодился код для построения рабочих пайплайнов, как пример best practices, что мне так не хватает в нашем стартапе)
Большое спасибо вам всем, и желаю удачи вашему проекту, в свою очередь буду рекомендовать вас знакомым)
Мария Старцева
Курс оказался крайне полезным. Благодаря лекторам, тьюторам и создателям программы, я смог углубить свои знания в задачах классификации, сегментации, распознавании лиц, и Ганах, - то с чем уже имею дело или очень хочу начать.
Не ожидал и был приятно удивлен индивидуальным подходом к студентам и готовностью преподавателей тратить время на консультации, отвечать на все вопросы (часто не связанные непосредственно с лекциями и курсом), помогать с организацией облачного пространства для вычислений. Чувствуется как много вложили и продолжают вкладывать создатели в курс и развитие сообщества (я подписан на телеграм канал и с интересом слежу за публикациями).
Также понимаю, как важно было сделать полноценную встречу-знакомство, сеанс с психологом и встречу по итогам курса. Благодаря этим мероприятиям появились горизонтальные связи и я услышал про увлекательный опыт других участников. Все организаторы и однокурсники - отзывчивые и доброжелательные и нацелены на результат студентов. Особо запомнились Тимур, Артем, Сергей, Дмитрий.
Арсений Рылов
Хочу сказать, что это, пожалуй, лучший курс по ML, который я проходила (а у меня достаточно лет опыта в ML, поэтому знаю о чем говорю :))
Каждая лекция проводится профессионалом в своей теме, который старается выложиться по максимуму, выходит за рамки стандартной лекции, отвечает с энтузиазмом на все вопросы. Все материалы хорошо подготовлены, к каждой лекции есть непростое интересное домашнее задание, которое дает возможность погрузиться в тему и набить руку. Я совмещала курс с фулл-тайм работой, прослушала все лекции, но мне не хватило времени сделать все домашки, часть из них уже доделала после курса.
Еще важный аспект - это классная мотивирующая атмосфера курса. Очень уютно и камерно. Индивидуальный подход, подробное код ревью, шутейки в слайдах.
Спасибо ребятам за отличный курс и прокачку в современном CV! Желаю успехов в создании лучшей DL/ML онлайн школы!
Галина Альперович
Хочу поделиться хорошей новостью - устроился в австралийскую компанию, буду заниматься облаком OCR) На собеседовании за счет того, что подчерпнул на курсе об устройстве OCR, вытянул - сказали, что как будто у них уже года полтора работаю, такое понимание процессов). Собственно, все, что хотел сказать, просто спасибо за курс)
Александр
Сомневался перед покупкой, темы в анонсе интересные, но какие-то неизвестные ребята организуют, ссылок нигде нет, боялся, что возможен обман. Потом думал, стоит ли это тех денег) Но сомнения не оправдались, ребята позитивные, темы были раскрыты достаточно полно, хорошая атмосфера на лекциях, спикеры все молодцы) так же помощь по непонятным моментам в заданиях была на высшем уровне (спасибо за терпение:) ) Курс очень хороший, советую своим коллегам пройти.
Самая интересная тема - OPS, полезно применять в боевых проектах, чего до этого не делал практически. Было очень подробно объяснено все. Еще наверное потому что дольше всего с ней бился) так же был интересен пайплайн обучения.
На бою начал использовать dvc для хранения моделей. Еще не начал использовать, но пытаюсь внедрить clearML, CI/CD, пайплайн для детекции объектов. Так же в планах внедрить тестирование, возможно попробовать обучать на DALLI. Толоку для каких-то второстепенных задач возможно буду использовать, так как для разметки данных есть команда в штате.
В целом все круто, спасибо)
Виктор Юдин
Все, что было сказано на сайте и даже больше было на курсе) Моей целью было повышение квалификации до Jun+/Middle, смог ее достичь и найти подходящую работу. И благодаря курсу чувствовал себя увереннее во время поиска. Очень понравились групповые работы и ревью. У меня такой проверки кода никогда не было, дают все советы, ссылки. Все ребята открыты к вопросам, часто их задавал, все подробно объясняют и приводят примеры.
Две домашних работы - стали двумя моими полноценными проектами, которые я могу уже показать людям. Проекты сильно прокачали, особенно после работы с ревью. На курсе много разных специалистов, не только ML, но и разработчики.
Однозначно осталось только положительное впечатление о курсе. Крутой курс, очень понравились и домашки, и ревью, поддержка и кураторов и студентов. Думаю, такой курс один в России не для новичков, а именно для ребят с опытом, таких больше даже не знаю. Очень рад, что попал к ребятам, желаю продвижения!
Руслан
Курс дал возможность посмотреть на best practice в ML/DL, узнать, что люди используют, что сейчас модно. Настоящий обмен опытом. В домашних работах очень качественное код ревью, в то время как на работе код ревью обычно ограничивается аппрув/не аппрув. На курсе дают знания, которые можно сразу использовать на практике: CI/CD и Ansible было очень полезно, нормально настроил линтер и автотесты.
Понравилось, что в достаточно короткий промежуток времени, по сравнению с другими курсами, что я проходил, умещается большая концентрация знаний. Самый useful курс из всех, что я проходил! Ребята с опытом, рассказывают кейсы из жизни: это очень классно, любой рассказ подкреплен настоящим делом.
Григорий Солдатов
Есть вопросы, на которые вы не нашли ответы? Напишите нам в Telegram, ответим на все интересующие вопросы