fbpx

PyTorch:深度學習和人工智慧

電腦視覺神經網路,時間序列預測,自然語言處理( NLP,Natural Language Processing )、生成對抗性網路( GANs,Generative Adversarial Networks ),強化學習,等等

報名參加課程

已經上過這門課程?

🔥歡迎來參加這個活動 – 上課心得分享與獎勵說明 :分享就贈送一門線上課程

從這 22.5 小時的課程,你會學到

  • 人工神經網路(ANNs) /深層神經網路 (DNNs)
  • 預測股票收益
  • 時間序列預測
  • 電腦視覺
  • 如何建立一個深度強化學習股票交易機器人
  • 生成對抗性網路 ( GANs,Generative Adversarial Networks)
  • 推薦系統
  • 影像識別
  • 卷積神經網路 ( CNNs,Convolutional Neural Networks )
  • 遞歸神經網路( RNNs,Recurrent Neural Networks )
  • 基於深度學習的自然語言處理 ( NLP,Natural Language Processing )
  • 用程式演示摩爾定律( Moore’s Law )
  • 用遷移學習建立最先進的影像分類器

要求

  • 知道如何用 Python 和 Numpy 編寫程式
  • 對於理論部分(可選) ,需瞭解衍生工具和機率

課程說明

歡迎來到 PyTorch: 深度學習和人工智慧!

儘管谷歌的深度學習程式庫( Google’s Deep Learning library ) Tensorflow 在過去幾年裡大受歡迎,但 PyTorch 一直是全球深度學習( deep learning )和人工智慧( artificial intelligence )專業人士和研究人員的首選程式庫( library )。

有沒有可能 Tensorflow 之所以受歡迎僅僅是因為 Google 很受歡迎並且使用了有效的行銷手段?

為什麼 Tensorflow 在版本 1 和版本 2 之間有如此顯著的變化?它是否存在嚴重的缺陷,是否還存在潛在的問題?

而另一個網際網路巨頭 Facebook (特別是 Facebook 人工智慧研究實驗室-FAIR)支援 PyTorch 的事情就不那麼為人所知了。因此,如果你想要一個受歡迎的深度學習程式庫,有數十億美元的公司和大量的社群支援,你不能錯過 PyTorch。當升級到下一個版本時,程式庫不會完全毀掉所有你以前的程式碼,這可能是一個額外的好處。;)

從另一面來看,眾所周知,所有的頂級人工智慧商店(例如:蘋果和摩根大通都使用 PyTorch。最近剛剛在 2020 年轉向 PyTorch,這是 PyTorch 蒸蒸日上的一個強烈訊號。

如果你是一個專業人士,你會很快意識到用 PyTorch 建構和測試新想法是非常容易的,然而想在其他的程式庫(libraries)嘗試為你做所有事情可能是非常困難的。而且,在 PyTorch 更快。

深度學習最近取得了一些驚人的成就,比如 :

  • 生成美麗的、如照片般逼真的人和事物的影像,對那些從來沒有存在過的( GANs )
  • 在圍棋戰略遊戲中擊敗世界冠軍,以及複雜的影片遊戲如 CS: GO 和 Dota 2(深強化學習)
  • 自動駕駛汽車(電腦視覺)
  • 語音識別(例如 Siri)和機器翻譯(自然語言處理)
  • 甚至製作人們做和說他們從未做/說過的事情的影片( DeepFakes – 一種潛在的深度學習的邪惡應用)

本課程適用於從初級到專家級的學生,怎麼可能呢?

如果你剛剛學過我的免費 Numpy 先修課,那麼你已具備能立即進入本課程的知識。我們將從一些非常基本的機器學習模型開始,並進一步發展到最先進的概念。

在這個過程中,你將學習所有主要的深度學習架構,如深度神經網路、卷積神經網路 CNN (影像處理) ,和遞歸神經網路 RNN (序列資料)。

目前專案包含 :

  • 自然語言處理(Natural Language Processing ,NLP)
  • 推薦系統( Recommender Systems )
  • 電腦視覺的遷移學習( Transfer Learning )
  • 生成對抗性網路( Generative Adversarial Networks,GANs
  • 深度強化學習股票交易機器人

即使你已經學過我以前所有的課程,你仍然會學到如何轉換你以前的程式碼,如你曾在 Tensorflow 2.0 做的,在這門課程中有全新的和從未見過的專案,如時間序列預測和如何做股票預測。

本課程是為那些想要快速學習的學生設計的,但是也有一些“深入的”部分,以防你想要更深入地挖掘這個理論(比如什麼是損失函式 loss function,什麼是不同型別的梯度下降法方法 gradient descent approaches)。

我採取的方法是,即使你對數學概念不是100% 滿意,你仍然可以從中學會!在本課程中,我們將更多地關注 PyTorch 程式庫( library ),而不是推導任何數學方程。我已經有很多這方面的課程了,所以沒有必要在這裡重複。

講師筆記: 本課程側重於廣度而非深度,較少涉及理論知識,更多關注於創造更酷的東西。如果你正在尋找一個更加理論密集的課程,這不是你要的。一般來說,對於每一個主題(推薦系統,自然語言處理,強化學習,電腦視覺,GAN,等等) ,我已經有專門針對這些主題的課程了。

謝謝你的閱讀,課堂上見!

目標受眾

希望在 PyTorch 學習深度學習和人工智慧的初學者和高階學生

講師簡介

Lazy Programmer Team 人工智慧與機器學習工程師  ( 更多講師主講課程介紹 )

今天,我把大部分時間花在了人工智慧和機器學習工程師身上,專注於深度學習,儘管我也以資料科學家、大數據工程師和全端軟體工程師而聞名。

我獲得了計算機工程碩士學位,主修機器學習( machine learning )和模式識別( pattern recognition )。

經驗包括作為資料科學家(優化點選率和轉換率)和大數據工程師(建立資料處理管道)的線上廣告和數位媒體。我經常使用的一些大數據技術有 Hadoop、 Pig、 Hive、 MapReduce 和 Spark。

我建立了深度學習模型來預測點進率和使用者行為,以及影像和訊號處理和文字建模。

我在推薦系統方面的工作應用了強化學習和協同過濾,我們使用 A/B 測試驗證了結果。

我曾經為哥倫比亞大學、紐約大學、杭特學院( Hunter College)和新學院( The New School )的大學和研究所教授資料科學、統計學、機器學習、演演算法、微積分、計算機圖形學和物理學。

很多企業都從我的網路程式設計經驗中受益匪淺。我負責所有的後端(伺服器)、前端(HTML/JS/CSS)和操作/部署工作。我使用的一些技術有: Python、 Ruby/Rails、 PHP、 Bootstrap、 jQuery (Javascript)、 Backbone 和 Angular。對於儲存/資料庫,我使用了 MySQL、 Postgres、 Redis、 MongoDB 等等。

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

報名參加課程

Sponsored by Udemy

也許你會有興趣

 歡迎使用 App / Email | Telegram 訂閱 網站更新

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 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: