fbpx

深入了解深度學習(使用 Python 介紹)

使用實驗性科學方法在 PyTorch 中掌握深度學習,其中包含大量示例和實踐問題。

從這 57.5 小時的課程,你會學到

  • 深度學習的理論和數學
  • 如何建構人工神經網路
  • 前饋( feedforward )和卷積網路( convolutional networks )的架構
  • 在 PyTorch 中建構模型
  • 梯度下降的演算和程式碼
  • 微調深度網路模型
  • 從頭開始學習 Python(無需之前有程式經驗)
  • 如何和為何自動編碼器運作
  • 如何使用遷移學習( transfer learning )
  • 使用正規化( regularization )提高模型性能
  • 優化權重初始化
  • 使用預定義和已學核心來理解圖像卷積( image convolution )
  • 深度學習模型是可理解的還是神秘的黑盒子!
  • 使用 GPU 進行深度學習(比 CPU 快得多!)

要求

  • 有興趣學習深度學習!
  • 課程中教授 Python/Pytorch 技能
  • 一個 Google 帳戶(google-colab 用作 Python IDE)

課程說明

深度學習正日益主導技術,並對社會產生重大影響。

從自動駕駛汽車到醫療診斷,從人臉識別到深度造假,從語言翻譯到音樂生成,深度學習正像野火一樣蔓延到現代科技的各個領域。

但深度學習不僅僅是關於超級花哨、尖端、高度複雜的應用程式。 深度學習正日益成為機器學習、資料科學和統計學的標準工具。 小型新創公司使用深度學習進行資料探勘掘和降維,政府使用深度學習檢測逃稅行為,科學家使用深度學習檢測研究資料中的模式。

深度學習現在已用於大多數技術、商業和娛樂領域。 而且它每年都變得越來越重要。

深度學習是如何工作的?

深度學習建立在一個非常簡單的原則之上:採用超級簡單的演算法(加權和和非線性),並重複多次,直到結果是極其複雜和熟練的從資料學習過的表示。

真的那麼簡單嗎?嗯,好吧,它實際上比這複雜一點;)但這是核心思想,其他一切——實際上是深度學習中的其他一切——只是將這些基本建構塊組合在一起的巧妙方法。這並不意味著深度神經網路易於理解:前饋網絡、卷積網路和循環網路之間存在重要的架構差異。

鑑於深度學習模型設計、參數和應用的多樣性,你只能通過讓經驗豐富的老師指導你完成數學、實現和推理。當然,你需要有大量的動手示例和練習題來解決。深度學習基本上只是應用數學,而且眾所周知,數學不是旁觀運動!

這門課程是關於什麼的?

簡而言之:本課程的目的是深入了解深度學習。 你將獲得關於深度學習的靈活、基礎和持久的專業知識。 你將對深度學習的基本概念有深刻的理解,從而能夠學習到未來出現的新主題和趨勢。

請注意:本課程不適合希望通過一些已解決的示例快速了解深度學習的人。 相反,本課程是為那些真正想了解深度學習如何以及為什麼工作的人設計的; 何時以及如何選擇優化器、標準化和學習率等元參數; 如何評估深度神經網路模型的性能; 以及如何修改和調整現有模型以解決新問題。

你可以在本課程中學習有關深度學習的所有內容。

在本課程中,你將學習

  • 理論:為什麼深度學習模型是這樣構建的?
  • 數學:深度學習的公式和機制是什麼?
  • 實施:深度學習模型是如何在 Python 中實際構建的(使用 PyTorch 程式庫)?
  • 直覺:為什麼這個或那個元參數是正確的選擇?如何解釋正規化的效果?等等
  • Python:如果 Python 對你很陌生,請閱讀 8 小時以上的程式教學附錄。如果你已經是知識淵博的熟識設計師,那你仍會從中學到一些新技巧和程式碼優化。
  • Google-colab:Colab 是一個了不起的在線工具,用於使用 Google 的雲端服務運行 Python 程式碼、模擬和繁重的計算。無需在你的電腦上安裝任何東西。

本課程的獨特之處

  • 對深度學習中的概念進行清晰易懂的解釋。
  • 對相同想法的幾種不同解釋,這是一種經過驗證的學習技術。
  • 使用提供人工神經網路直覺的圖形、數字和空間的視覺化。
  • 大量的練習、專案、程式碼挑戰以及探索程式碼的建議。自己動手學得最好!
  • 活躍的問答論壇,你可以在其中提出問題、獲得反饋並為社區做出貢獻。
  • 8 小時以上的 Python 教程。這意味著你無需在註冊本課程之前掌握 Python。

那你還在等什麼??

觀看課程介紹視訊和免費示例視訊,了解更多關於本課程的內容和我的教學風格。如果你不確定本課程是否適合你並想了解更多資訊,請在註冊前隨時與我聯繫。

我希望很快能在課程中見到你!

Mike

目標受眾

  • 深度學習課程中的學生
  • 機器學習愛好者
  • 任何對 AI(人工智慧)機制感興趣的人
  • 想要擴展技能庫的資料科學家
  • 有抱負的資料科學家
  • 對深度學習感興趣的科學家和研究人員

講師簡介

Mike X Cohen 神經學家,作家,教授  ( 更多講師主講課程介紹 )

我是一名神經科學家(腦科學家) ,也是荷蘭 Radboud 大學的副教授。 我有一個活躍的研究實驗室,由美國、德國和荷蘭政府、歐盟、醫院和私人組織資助。

但是你們在這裡就能獲得我的教導,所以讓我告訴你們:

我有近 20 年的程式設計、資料分析、訊號處理、統計、線性代數和實驗設計的教學經驗。 我教過大學生、博士候選人、博士後研究人員和正教授。 我在“傳統的”大學課程、為期一週的特殊加強課程和諾貝爾獎獲得者的研究實驗室裡任教。 我有超過 80 個小時的神經科學資料分析線上講座,你可以在我的網站和 youtube 頻道上找到。 我已經寫了幾本關於這些主題的技術書籍(在亞馬遜上查詢吧!) 還有更多將會發表。

我不是想炫耀 – 我是想說服你,你來到了正確的地方,最大限度地從一個花了近 20 年時間精煉和完善他的教學風格的老師那裡學習。

超過 120,000 名學生觀看了我 750 萬分鐘的課程。 來看看為什麼!

我有幾門免費課程,你可以報名參加。試試看吧!你沒有什麼可失去的;)

————————-

根據大眾的要求,這裡有一些針對不同教育目標的課程進度建議:

MATLAB 程式設計 : 學習 MATLAB 程式設計,掌握 MATLAB,影像處理

Python 程式設計:通過解決科學專案掌握 Python 程式設計; 通過 Python 寫程式掌握數學

應用線性代數:完全線性代數; 降維

訊號處理:了解傅里葉變換; 生成和視覺化資料; 訊號處理; 神經訊號處理

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

🙌覺得使用 udemy 內建的筆記功能不好用? 歡迎來試試 LN+ for udemy,這是一個將 udemy 與 Notion 無縫整合的課程筆記輔助工具!


❤️如果進入課程網頁中沒有看到課程有折扣請先透過桌面電腦瀏覽器點選這個 ✨優惠連結✨,可以用優惠折扣價購買課程


報名參加課程

Sponsored by Udemy


不受 FB 演算法影響,歡迎透過 e-mail 訂閱網站更新

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

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: