使用 PyTorch 實做深度學習

通過 PyTorch 加速你的深度學習 ( deep learning )，以 Python 首選框架涵蓋所有深度學習的基礎知識

從這 6.5 小時的課程，你將學到

有效地運用 PyTorch ，建構深度學習專案
掌握深度學習的理念，並用 PyTorch 實現

要求

你需要知道基本的 python，如列表 ( lists )、字典 ( dictionaries )、迴圈 ( loops )、函數 ( functions ) 和類 ( classes )
你需要知道基本的差異
你需要知道基礎代數

課程說明

深度學習日益重要

深度學習支撐著當今許多重要和日益重要的應用，從臉部辨識到自駕車、醫療診斷等。

為任何人製作

許多課程要嘛太數學了不然就是太過實務，本課程在兩者之間保持了謹慎的平衡，為你在深度學習提供堅實的基礎，以便你可以進一步探索，不管你有興趣進一步做深度學習的研究和/或應用深度學習。課程設計是有目的地讓其符合任何人，不需要有很強的數學背景。當然對於具備很好背景的人來說，數學將加速你了解在深度學習中各種不同的模式。

邊學邊寫程式

整個課程都是在 Python Notebook 交付，以便你可以跟著視訊的進程重複動作觀察結果。你可以練習和調整模型，直到你真正了解每一行程式碼為止。我強烈建議你在聆聽視訊時鍵入每行程式碼，因為這將有助於你習慣語法。

逐漸學習的風格

許多指南由於缺乏從基礎起的過渡，人們經常迷失或錯過對理解某些模型至關重要的關鍵環節。因此，你可以看到每個單獨的主題如何彼此緊密相連。事實上，在從邏輯回歸起的每個主題開始，我花時間仔細解釋一個模型是如何簡單地從前一個修改過來。那就是深度學習神奇的地方，我們可以把它的一些部分回溯到將起始處的線性回歸。

以圖表來驅動的程式碼

本課程使用超過100個訂製的圖表 ( diagrams )，我花了數百小時仔細創建，以便你可以清楚地看到從一個模型到另一個模型如何過渡，並全面了解模型。此外，這些圖的設計是讓你可清楚看到我教的理論和你將學習的程式碼之間的關係。

給你自己一位好的導師

當我第一次開始學習時，希望有一位導師指導我從基礎知識到進階的理論，讓我可以發表研究論文和/或實踐非常複雜的專案。本課程提供你一個可以隨意問問題的地方，無論多基本都可以。我會在那裡，盡我所能來回答你的問題。即使教學中已經談過你問的問題，我也將努力指出你可以到哪裡學到你想了解的東西，並提供你更多的資源 ( 不限於課程中 )。

學前所需的數學知識

課程並不強調深度學習背後的數學。它專注於讓你先了解一切如何運作，這對你以後輕鬆補上缺乏的數學知識非常重要。有涉及數學，但僅限於增強你的理解，讓你在未來課程能進一步深入了解，以溫和的曲線學習。

目標受眾

任何想學深度學習的人
正在使用其他框架，如 TensorFlow、Keras、Torch 和 Caffe 的深度學習研究人員
任何 Python 程式設計師

講師簡介

Deep Learning Wizard 新加坡國立大學深度學習研究員

目前，我與同事們在 Ensemblcap 領導人工智慧團隊。 Ensemblcap 是一家位於新加坡的人工智慧對沖基金，團隊成員包括來自摩根大通和野村證券的量化分析師和交易員。我已在生產環境中建立了整套人工智慧技術棧，並進行了嚴格的、時間敏感且萬無一失的軟體測試，以支援每天數百萬美元的交易。

我同時也是 NVIDIA 深度學習學院的講師，負責新加坡國立大學 (NUS) 的所有深度學習研討會，並在東南亞各地舉辦研討會。

我致力於幫助所有人掌握深度學習，因此創建了「深度學習嚮導」課程。我已在課程中教授了來自全球 60 多個國家的 2000 多名學生，並且目前仍在繼續授課。該課程由 Facebook 人工智慧研究院的 Soumith Chintala 和 Yann Lecun 的博士後研究員 Alfredo Canziani 譽為首個全面的 PyTorch 影片教學。

業餘時間，我與新加坡國立大學 NExT++ 中心的 Chua Tat-Seng 教授和 MILA 中心的 Yoshua Bengio 教授合作進行深度學習研究。我之前在NExT搜尋中心從事深度學習演算法超參數最佳化的元學習研究。該中心由新加坡國立大學（NUS）、清華大學和南安普敦大學聯合成立，由蔡達生教授（新加坡國立大學計算機學院KITHCT講席教授）、孫茂松教授（清華大學計算機科學與技術系主任）和溫迪·霍爾女爵士（南安普敦大學網絡科學研究所所長）共同領導。在NExT搜尋中心工作期間，我曾在ICML和IJCAI等頂尖會議和研討會上發表論文。