使用 PyTorch 和 TensorFlow 深入探索深度學習的海洋

這是一門關於深度學習模型的綜合課程,涵蓋理論、直覺和使用 PyTorch 和 TensorFlow 的實作。

從這 48.5 小時的課程,你會學到

  • 深度學習模型的理論、數學原理與實現
  • 深度學習的先決條件,例如資料預處理、迴歸分析和邏輯迴歸
  • 建立人工神經網路並將其用於回歸和分類問題
  • 使用 GPU 運行深度學習模型
  • 為深度學習模型建立自訂損失函數和自訂層
  • 卷積神經網路 (Convolutional Neural Network ,CNN)
  • 一維 CNN
  • 在深度學習模型中設定早停準則
  • 遷移學習
  • 循環神經網路 (Recurrent Neural Networks,RNN)
  • 時間序列預測與分類
  • 自編碼器和變分自編碼器 ( Variational Autoencoder,VAE)
  • CNN 自編碼器和 LSTM 自編碼器
  • 生成對抗網路 (Generative Adversarial Networks,GAN)
  • LSTM 和雙向 LSTM
  • Transformer
  • 視覺 Transformer
  • 時間序列 Transformer
  • 神經風格遷移
  • 使用 PyTorch 和 TensorFlow 實作深度學習模型

要求

  • 具備一定的程式設計知識較好,但並非必要。
  • Gmail 帳號(適用於 Google Colab)。
  • 基礎數學。

課程說明

課程內容

深度學習徹底革新了人工智慧和資料科學。深度學習教會電腦以類似人腦的方式處理資料。

這是一門完整且全面的深度學習課程。課程涵蓋深度學習模型背後的理論和直覺,並講解如何在 PyTorch 和 TensorFlow 中實現所有深度學習模型。

著重實踐的講解,提供 PyTorch 和 TensorFlow 中深度學習模型的實作範例

無需任何先修知識。我將從零開始教授所有內容。

以就業為導向的課程結構

課程章節

  • 課程介紹
  • Google Colab 入門
  • Python 速成課程
  • 資料預處理
  • 迴歸分析( Regression Analysis )
  • 邏輯迴歸( Logistic Regression )
  • 神經網路與深度學習入門
  • 激活函數( Activation Functions )
  • 損失函數( Loss Functions )
  • 反向傳播( Back Propagation )
  • 用於迴歸分析的神經網路
  • 用於分類的神經網路
  • Dropout 正規化和批量歸一化
  • 最佳化器
  • 在神經網路中新增自訂損失函數和自訂層
  • 卷積神經網路 (CNN)
  • 一維 CNN
  • 在 CNN 中設定提前停止準則
  • 循環神經網路 (RNN)
  • 長短期記憶網 (LSTM)
  • 雙向 LSTM
  • 生成對抗網路 (GAN)
  • DCGAN
  • 自編碼器(  Autoencoders )
  • LSTM 自編碼器
  • 變分自編碼器
  • 神經風格遷移
  • Transformer 模型
  • 視覺Transformer
  • 時間序列Transformer
  • K均值聚類(  K-means Clustering )
  • 主成分分析( Principle Component Analysis,PCA )
  • 深度學習模型,並提供 PyTorch 和 TensorFlow 兩種實作方式。

目標受眾

  • 適合希望從零開始學習深度學習的初學者。
  • 適合在大學或學院修讀深度學習課程的學生。
  • 適合從事深度學習和生成式人工智慧研究的研究人員。
  • 適合希望提升 Python 程式設計技能並使用 PyTorch 和 TensorFlow 實現深度學習模型的學生和研究人員。
  • 適合已經掌握 Matlab 深度學習實作方法但希望轉而使用 PyTorch 和 TensorFlow 的人員。

講師簡介

Zeeshan Ahmad 機器學習和統計訊號處理

Zeeshan博士擁有多倫多瑞爾森大學( Ryerson University )電機與電腦工程博士學位,擁有超過18年的教學與研究經驗。他教授過許多與電腦和電機工程相關的課程。他的研究方向包括機器學習、深度學習、電腦視覺、訊號與影像處理以及多模態融合。他曾在知名期刊和會議上發表過多篇論文。

字幕:英文

  • 想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

  • Udemy 永久擁有課程 許多課程約 NT400 (點擊連結看更多)
  • 年訂閱每月 NT350 🌈 悠遊 Udemy 的 26000+ 門課,最大化學習 ( 原價 NT635/月 )
  • Udemy 現在越來越多課程有中文字幕,請參考 Soft & Share 中文線上課程
  • 手機上點選優惠連結看到的價格比電腦上看到的貴
  • $代表當地貨幣, 如在台灣為 NT
  • 點選”報名參加課程”有可能因瀏覽器 cookies 轉久一點或回報錯誤而無法連上,請稍等刷新或重新點選就會出現

報名參加課程

Sponsored by Udemy


也許你會有興趣

不受 FB 演算法影響,歡迎透過 e-mail 訂閱網站更新

發表迴響

這個網站採用 Akismet 服務減少垃圾留言。進一步了解 Akismet 如何處理網站訪客的留言資料

由 WordPress.com 建置.

Up ↑

探索更多來自 Soft & Share 的內容

立即訂閱即可持續閱讀,還能取得所有封存文章。

Continue reading