使用 PyTorch 和 Python 進行深度學習的新手訓練營

Contents

學習如何使用 Facebook 的 PyTorch 深度學習程式庫建立最先進用於深度學習的神經網路

從這 17 小時的課程，你會學到

學習如何使用 NumPy 將資料格式化為陣列
使用 pandas 進行資料處理和清理
學習經典的機器學習理論原理
利用 PyTorch 深度學習程式庫進行影像分類
使用 PyTorch 結合遞迴神經網路處理時間序列資料( Sequence Time Series Data )
建立最先進的深度學習模型來處理表格資料( tabular data )

要求

瞭解 python 基礎主題(資料型別、迴圈、函式)也建議最好有 Python 物件導向觀念 ( 請參考 Python 程式設計學習地圖 )
能夠通過基本的導數計算工作 ( 請參考成為微積分專家 – 1 )
擁有電腦上的管理權限(能夠下載我們的檔案)

課程說明

歡迎來到使用 Python 和 PyTorch 學習深度學習的最佳線上課程！

PyTorch 是一個開源的深度學習平台，提供了從研究原型到營運部署的無縫通道。它正迅速成為 Python 中最流行的深度學習框架之一。通過與 Python 的深度整合，可以使用流行的程式庫和套件輕鬆地在 Python 中編寫神經網路層。豐富的工具和程式庫生態系統擴充了 PyTorch，並支援電腦視覺、自然語言處理( NLP )等方面的開發。

本課程專注於平衡重要的理論概念與實際的動手練習和專案，讓你學習如何應用課程中學習到的概念到你自己的資料集！當你參加這門課程的時候，你將會得到一本精心佈置的筆記本( notebooks ) ，用一種容易理解的方式解釋概念，包括程式碼和解釋。你也可以看到我們的幻燈片，通過簡單易懂的視覺化解釋理論。

在這門課程中，我們將教你使用 Pytorch 開始深度學習所需的一切知識，包括:

NumPy
Pandas
機器學習理論
測試 / 訓練 / 驗證資料切割
模型評估-迴歸和分類任務
非監督式學習任務
使用 PyTorch 的張量
神經網路理論
- Perceptrons
- Networks
- 啟用函式
- 成本 / 損失函式
- 反向傳播( Backpropagation)
- 梯度
人工神經網路
卷積神經網路
迴歸神經網路
還有更多！

在本課程結束時，你將能夠建立各種深度學習模型，用你自己的資料集解決你自己的問題。

那你還在等什麼？今天登記並使用 PyTorch 體驗深度學習的真正功能！我們課程中見！

-Jose

目標受眾

希望使用 PyTorch 學習深度學習的中級到高階 Python 開發人員

講師簡介

Jose Portilla Pierian 資料公司資料科學主管 ( 更多講師主講課程介紹 )

Jose Portilla 擁有來自聖克拉拉(Santa Clara )大學的機械工程學士學位和碩士學位，也有多年資料科學和程式設計專業教練和培訓師的經驗。他在各種領域如微流體、材料科學和資料科學技術中有出版物和專利。在他的職業生涯中，他已經發展了分析資料的技能，他希望利用他在教學和資料科學方面的經驗，幫助其他人學習程式開發的能力、分析資料，以及清晰地呈現資料和漂亮的視覺化。

目前他是 Pierian Data Inc. 的資料科學主管，為世界各地的各種公司提供現場資料科學和 python 培訓課程，包括瑞士信貸等頂級銀行。歡迎隨時在 LinkedIn 上與他聯繫，獲取有關面對面培訓課程的更多資訊。