Deep Learning - юли 2026
За кого е подходящ курсът?
Курсът е подходящ за хора с основни познания по програмиране (езикът Python е препоръчителен). Задължителни са знанията по математика на ниво 12-ти клас (желателен е и опитът с елементи от висшата математика). В плюс са преминати обучения Data Science и Machine Learning или подобни познания като умения за събиране и анализ на данни, създаване и прилагане на модели за машинно обучение, използване на научния метод за вземане на решения, изграждане на цялостни проекти и решаване на задачи с помощта на статистически методи и алгоритми за машинно обучение. Нужното ниво на английски език, необходимо за курса, трябва да отговаря на B2.
Умения, които ще придобиеш
- Моделиране на регресионни и класификационни задачи
- Работа с таблични данни и изображения
- Работа с естествени езици и времеви редове
- Дебъгване на проблеми и гарантиране на резултати
Теми
-
Resources -
Course Introduction -
Deep Learning Fundamentals -
Exercise: Deep Learning Fundamentals -
Transformers and Sequence Modelling -
Exercise: Transformers and Sequence Modelling -
Vision Models -
Exercise: Vision Models -
Language Models -
Exercise: Language Models -
Deep Learning Research -
Exercise: Deep Learning Research -
Exam Preparation and Q&A -
Regular Exam -
Retake Exam
Сертификат след успешно завършване
След полагане на изпита и при оценка "Практика" равна или по-висока от 5.00, ще получите сертификат от СофтУни.
Цена на обучението:
143.16 €
Йордан Даракчиев
Преподавател
5.7/6 оценка на курса
Диана Ботева
За мен беше голямо удоволствие да уча в СофтУни. Курсът беше много добре структуриран и обясненията бяха лесни за възприемане, което ми позволи да напредвам с уверени стъпки. Лекторите създават страхотна атмосфера за учене, която ме мотивираше постоянно.
Елена Георгиева
Чудесно организирано обучение, което ми помогна да разбера по-добре материята, въпреки че ми се стори по-трудно в началото, после успях да наваксам. Преподавателите са страхотни и се грижат за напредъка ни.
Димитър Николов
Като цяло всичко е повече от страхотно. Цялото изживяване, лектора и всичко е на отлично ниво. Продължавам с вас в следващия етап с огромно нетърпение и ентусиазъм.
Тодор Иванов
Обучението в СофтУни е много удобно! Мога да гледам лекциите онлайн по всяко време и да ги адаптирам към моето темпо. Ако не разбера нещо, просто натискам пауза и го преглеждам отново – така напредвах, без да имам натиск, че съм пропуснал нещо.
Йорданка Тодорова
Курсът е много добре структуриран и материалът е поднесен на много приятен, разбираем и достъпен език. Още от първите уроци се усеща колко внимателно е изградено съдържанието, за да може всеки да напредва.
Райна Хасанова
Много съм доволна от начина, по който лекторът води лекциите, много добре обяснява за напълно начинаещи като мен, така че да разберат. Умее да планира добре времето, с което разполагаме. Дава примери за професията и в действителност, за да знаем какво да очакваме.
София Димитрова
Лекциите са ми много полезни, добавих знанията, които ми трябваха в работа. Лекторът има супер подход на преподаване. Кратки предговори преди всяко упражение, обяснение на по-трудните точки от кода и много конкретни и лесни за разбиране примери от ежедневието. С нетърпение чакам да продължа следващия курс.
Радостина Димитрова
Изключително съм доволна от курса и преподавателите, цялостната организация е на топ ниво и съм много щастлива, че съм част от СофтУни! Лекторите са супер, усеща се желанието, с което преподават. Учебният материал се усвоява с лекота, а освен това и високо ценя всички практически съвети и насоки относно ежедневието в професията, които ни дават по време на лекциите и упражненията, това много помага да се ориентираме и подготвим за евентуална реализация в сферата!
Пламен Георгиев
Връзката в реално време с преподавателите е изключително полезна! Преподавателският състав е подбран много добре. Лекторите са хора с опит и много знания и пряката комуникация с тях спомага положително за обучителния процес.
Борислав Янков
СофтУни ми помогна да се развия в сферата, която ме интересува, на работа ми трябваха допълнителни умения и аз получих много добра инжекция от знания. Преподавателите са не само експерти в областта, но и много вдъхновяващи.
Често задавани въпроси
Как мога да се запиша?
За да се запишете, кликнете ТУК или бутона "ЗАПИШИ СЕ" и следвайте стъпките. След успешно заплащане на таксата, Вие ще бъдете записани за обучението.
Докога мога да се запиша и кога стартира курсът?
Записването в курса е отворено до 30 юни. Обучението стартира на 2 юли 2026 г.
Как и къде ще се провеждат занятията?
Определени сесии от курса се предоставят под формата на предварително записани видео уроци, които се качват в платформата по график, заедно с други учебни ресурси. Друга част от занятията се провеждат онлайн в реално време, като курсистите имат възможност да задават въпроси на преподавателя. Веднага след всяко занятие проведено в реално време, получавате достъп до записа и учебните ресурси. Подробен график на занятията по ден и час, както и формат на провеждане (на запис или онлайн в реално време), можете да откриете в раздел "Теми".
Какво представлява изпитът и кога ще се проведе?
Изпитът ще се проведе онлайн и се състои от практическа част, под формата на курсов проект, който трябва да бъде предаден до 11 август.
ВАЖНО: За курсистите от модул AI and Machine Learning - февруари 2026, изпитът включва както практическа част, така и теоретична част под формата на тест, който ще е с диапазон на провеждане между 8 и 11 август. Теоретичният изпит ще включва и материал от първите 3 курса в модула AI and Machine Learning - февруари 2026 - Math Concepts for Developers, Data Science и Machine Learning.
ВАЖНО: За курсистите от модул AI and Machine Learning with Python - януари 2026, изпитът включва както практическа част, така и теоретична част под формата на тест, който ще е с диапазон на провеждане между 8 и 11 август. Теоретичният изпит ще включва и материал от първите 4 курса в модула AI and Machine Learning with Python - януари 2026 - Python Introduction for Data Science, Math Concepts for Developers, Data Science и Machine Learning.