PyTorch: Neurale Netze von Grund auf bauen

Deep Learning ist die Grundlage moderner Anwendungen. Um jedoch mit Deep Learning zu beginnen, benötigen Sie eine solide Grundlage in den richtigen Tools. Dieser Kurs bietet eine vollständige, textbasierte Einführung in die Erstellung neuronaler Netze mit PyTorch. Am Ende werden Sie den Kernworkflow der Modellerstellung, des Trainings und der Auswertung verstehen und bereit sein, diese Fähigkeiten auf Ihre eigenen Datensätze anzuwenden. Was Sie lernen werden: * Verstehen Sie die grundlegenden Mathematik und Konzepte hinter neuronalen Netzen und Deep-Learning-Architekturen. * Anwenden von PyTorch-Tensoren und automatischer Differenzierung zur effizienten Definition von Modellarchitekturen. * Konfigurieren Sie robuste Datenpipelines mit modernen PyTorch Dataset- und DataLoader-Dienstprogrammen für eine effiziente Verarbeitung. * Üben Sie Trainingsmodelle, verwalten Sie Hyperparameter und implementieren Sie geeignete Verlustfunktionen und Optimierer. * Bewerten Sie die Modellleistung mit Standardklassifizierungs- und Regressionskennzahlen und visualisieren Sie Ergebnisse für eine effektive Analyse. * Entwickeln Sie grundlegende Modellserialisierungs- und Ladekomponenten, die für die Vorbereitung von Modellen für die Bereitstellung erforderlich sind. Der Kurs beginnt mit der grundlegenden Terminologie und dem Einrichten der PyTorch-Umgebung, dann werden grundlegende Netzwerkschichten definiert, reale Datensätze verarbeitet und schließlich vollständige Modelle durch schriftliche Beispiele und Übungen trainiert und verfeinert. Dieser Kurs richtet sich an absolute Anfänger im Bereich Deep Learning oder Machine Learning, die sich speziell auf das PyTorch-Framework konzentrieren möchten. Keine Vorkenntnisse mit PyTorc erforderlich, nur grundlegende Programmierkenntnisse.