使用 TensorFlow 2 的深度學習大師班超過 20 個專案

Contents

通過 TensorFlow 2 以及電腦視覺、自然語言處理、聲音識別和部署掌握深度學習

從這 63.5 小時的課程，你會學到

Tensorflow 的張量和變量基礎知識
Tensorflow 基礎知識以及使用 TensorFlow 2 訓練神經網路。
卷積神經網路應用於瘧疾檢測
使用功能 API、模型子類化和自定義層建構更高級的 Tensorflow 模型
使用不同的指標評估分類模型，例如：精確度、召回率( Recall )、準確度和 F1 分數
使用混淆矩陣和 ROC 曲線進行分類模型評估
Tensorflow 回調( Callbacks )、學習率調度和模型檢查點
通過 Dropout、正規化、資料增強來緩解過彌合和欠彌合
使用 TensorFlow 圖像和 Keras 層通過 TensorFlow 進行資料增強
高級增強策略，例如 Cutmix 和 Mixup
使用 TensorFlow 2 和 PyTorch 通過 Albumentations 進行資料增強
TensorFlow 2 中的自定義損失和指標
TensorFlow 2 中的 Eager 和 Graph 模式
TensorFlow 2 中的自定義訓練迴圈
將 Tensorboard 與 TensorFlow 2 整合以進行資料記錄、查看模型圖、超參數調整和分析
具有權重和偏差的機器學習操作 (MLOps)
使用 Wandb 進行實驗追蹤
使用 Wandb 調整超參數
使用 Wandb 進行料集版本控制
使用 Wandb 進行模型版本控制
人類情緒檢測
現代卷積神經網絡（Alexnet、Vggnet、Resnet、Mobilenet、EfficientNet）
遷移學習( Transfer learning )
視覺化 CNN( Convolutional Neural Networks – CNNs / ConvNets ) 中間層
梯度凸輪法( Grad-cam method )
模型集成( Model ensembling )和類不平衡( class imbalance )
Transformers (轉換器)的願景
模型部署
從 Tensorflow 到 Onnx 模型的轉換
量化意識訓練
使用 Fastapi 建構 API
將 API 部署到雲端
使用 YOLO 從頭開始進行物件檢測
使用 UNET 模型從頭開始進行圖像分割
使用 Csrnet 從頭開始統計人數
使用變分自動編碼器 ( VAE，Variational autoencoders ) 生成數字
使用生成對抗神經網絡 ( GAN，Generative adversarial neural networks ) 生成人臉
從頭開始使用循環神經網路、注意力模型和 Transformer 進行情感分析
從頭開始使用循環神經網路、注意力模型和 Transformer 進行神經機器翻譯
Huggingface Transformers 中的 Deberta 意圖分類
Huggingface Transformers 中使用 T5 進行神經機器翻譯
在 Huggingface Transformer 中使用 Longformer 進行提取問答
帶有句子 Transformers 的電子商務搜索引擎
Huggingface Transformers 中帶有 GPT2 的歌詞生成器
Huggingface Transformers 中使用 T5 進行語法錯誤校正
Huggingface Transformers 中的 Elon Musk 機器人與 BlenderBot

要求

基礎數學
訪問網際網路連接，因為我們將使用 Google Colab（免費版本）
Python 基礎知識

課程說明

深度學習是當今計算機科學中最熱門的領域之一。它在許多不同的領域都有應用。隨著 2010 年代初期更高效的深度學習模型的發布，我們看到電腦視覺、自然語言處理、圖像生成和信號處理等領域的技術水平取得了巨大進步。

對深度學習工程師的需求正在飆升，並且該領域的專家因其價值而薪水很高。然而，進入這個領域並不容易。那裡有太多的資訊，其中很多已經過時，而且很多時候沒有考慮到初學者 🙁

在本課程中，我們將帶你踏上一段奇妙的旅程，你將通過循序漸進和基於項目的方法掌握不同的概念。你將使用 Tensorflow 2（世界上最受歡迎的深度學習程式庫，由 Google 建構）和 Huggingface。我們將首先了解如何使用 Tensorflow 和 Huggingface Transformers (轉換器)建構非常簡單的模型（例如用於汽車價格預測的線性回歸模型、用於電影評論的文本分類器、用於瘧疾預測的二元分類器），以及更高級的模型(例如使用YOLO 的物件檢測模型，使用 GPT2 的歌詞生成器模型和使用 GAN 的圖像生成）

完成本課程並實施不同的專案後，你將掌握開發大型科技公司遇到的現代深度學習解決方案所需的技能。

你將學習：

Tensorflow 基礎知識（張量、模型構建、訓練和評估）
深度學習演算法，例如卷積神經網路和視覺 Transformers
分類模型評估（精確率、召回率、準確率、F1 分數、混淆矩陣、ROC 曲線）
通過資料增強減輕過度擬合
高級 Tensorflow 概念，例如自定義損失和指標、Eager 和圖形模式以及自定義訓練循環、Tensorboard
具有權重和偏差的機器學習操作 (MLOps)（實驗追蹤、超參數調整、資料集版本控制、模型版本控制）
帶有瘧疾檢測的二元分類
具有人類情緒檢測的多類分類
使用現代卷積網路（Vggnet、Resnet、Mobilenet、Efficientnet）和視覺 Transformers (VIT) 進行遷移學習
使用 YOLO 進行物件檢測（只看一次）
使用 UNet 進行圖像分割
使用 Csrnet 統計人數
模型部署（蒸餾、Onnx 格式、量化、Fastapi、Heroku Cloud）
使用變分自動編碼器( Variational Autoencoders )生成數字
使用生成對抗神經網路生成人臉
自然語言處理的文本預處理。
深度學習演算法，如循環神經網路、注意力模型、 Transformers 和卷積神經網路。
使用 RNN、Transformers 和 Huggingface Transformers 進行情感分析 (Deberta)
使用 Word2vec 和現代 Transformer 進行遷移學習（GPT、Bert、ULmfit、Deberta、T5…）
使用 RNN、注意力、Transformers 和 Huggingface Transformers 進行機器翻譯 (T5)
模型部署（Onnx 格式、量化、Fastapi、Heroku Cloud）
Huggingface Transformers 中的 Deberta 意圖分類
Huggingface Transformers 中與 Roberta 的命名實體關係
Huggingface Transformers 中使用 T5 進行神經機器翻譯
在 Huggingface Transformer 中使用 Longformer 進行提取問答
帶有句子 Transformers 的電子商務搜索引擎
Huggingface Transformers 剛中帶有 GPT2 的歌詞生成器
Huggingface Transformers 中使用 T5 進行語法錯誤校正
在 Huggingface Transformers 中的 Elon Musk 機器人與 BlenderBot
使用 RNN 進行語音識別

如果你願意在職業生涯中更進一步，本課程適合你，我們非常高興能夠幫助你實現目標！

本課程由 Neuralearn 提供。就像 Neuralearn 的所有其他課程一樣，我們非常重視反饋。你在論壇中的評論和問題將幫助我們更好地學習這門課程。請隨時在論壇上提出盡可能多的問題。我們盡力在最短的時間內回覆。

享受課程！！！

目標受眾

對將深度學習應用於電腦視覺和自然語言處理感到好奇的初級 Python 開發人員
適用於電腦視覺的深度學習想要掌握事物內部工作原理的從業者
任何想要掌握深度學習基礎知識並使用 TensorFlow 中的最佳實踐練習電腦視覺深度學習的人。
想要了解如何使用深度學習構建和訓練最先進的電腦視覺模型的電腦視覺從業者。
想要了解如何使用深度學習建構和訓練最先進的 NLP 模型的自然語言處理從業者。
任何想要部署 ML 模型的人
想要實用的電腦視覺、自然語言處理和聲音識別深度學習方法的學習者

講師簡介

Neuralearn Dot AI 幫助數百萬學習者掌握深度學習

我們提供深度學習數學（線性代數、微積分、機率、統計、優化）、核心深度學習理論（從機器學習基礎知識到最新深度學習演算法）和實用深度學習的世界一流課程應用於電腦視覺和自然語言處理等領域，使用 TensorFlow、PyTorch、HuggingFace、KubeFlow 等現代工具……

英文字幕：有

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

點選這個✨優惠連結✨ 課程特價 | Udemy 永久擁有課程 NT330 起( 在電腦瀏覽器登入，點選“優惠連結”後再回想要的課程介紹中點選“報名參加課程”即可取得）
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