Głębokie uczenie się z PyTorch: praktyczny przewodnik Python-First

Głębokie uczenie napędza dzisiejsze najbardziej ekscytujące przełomy technologiczne, ale rozpoczęcie pracy często wydaje się przytłaczające ze względu na gęstą matematykę lub zbyt złożony kod.Ten pisemny kurs oferuje jasną, uporządkowaną ścieżkę do opanowania PyTorch, standardowej struktury preferowanej przez badaczy i programistów. Skupiając się na logicznej sekwencji modeli, począwszy od prostej regresji, aż do budowania wielowarstwowych sieci, zrozumiesz dokładnie, jak i dlaczego głębokie uczenie działa, a także nauczysz się, jak tworzyć własne sieci neuronowe. Czego się nauczysz: - Zrozum podstawowe pojęcia tensorów, gradientów i wykresów obliczeniowych - Buduj i trenuj liniowe i logistyczne modele regresji od podstaw za pomocą PyTorch - Projektuj wielowarstwowe sieci neuronowe do zadań klasyfikacji i regresji - Wdrażaj nowoczesne pętle szkoleniowe, funkcje strat i algorytmy optymalizacji - Zastosuj praktyki kodowania agnostyczne dla urządzeń, aby uruchamiać modele na CPU, CUDA lub Apple Silicon - Wykorzystaj uczenie transferowe z wstępnie wyszkolonymi modelami, aby rozwiązać problemy z klasyfikacją Podróż zaczyna się od podstawowej terminologii i mechaniki tensorów, a następnie krok po kroku przechodzi przez modele regresji, sztuczne sieci neuronowe i nowoczesne procesy zapisywania modeli. Przeczytasz jasne wyjaśnienia i przestudiujesz dobrze zorganizowane fragmenty kodu zaprojektowane tak, aby złożone koncepcje były intuicyjne.. Ten kurs jest przeznaczony dla początkujących, programistów i aspirujących naukowców, którzy chcą praktycznego wprowadzenia do głębokiego uczenia się za pomocą Pythona, bez wymagania zaawansowanego tła matematycznego. Rozpocznij swoją podróż głębokiego uczenia się już dziś i zbuduj silne fundamenty w PyTorch.