PricingLoginStart free
Deep Learning Academy logo
PythonAINiveauer A1 → B222 sprog

Deep Learning Academy

Bliv fortrolig med deep learning i PyTorch, fra neuroner og backpropagation til CNN'er, Transformers og MLOps til produktion. Et læringsforløb på CoddyKit med 30 korte kurser og 120 interaktive lektioner – med en AI-vejleder ved din side døgnet rundt.

Kurser
30
Lektioner
120
Interaktive trin
1,560
Gratis at komme i gang
Kursus 1
Kursusindhold

30 kurser på denne sti

Alle kurser på Deep Learning Academy-stien i læringsrækkefølge. Det første kursus er gratis.

1

A14 lektionerGratis

Forklar, hvordan deep learning adskiller sig fra klassisk ML, og hvor det udmærker sig.

  1. 1AI vs. maskinlæring vs. deep learning
  2. 2Hvorfor neurale netværk slår håndbyggede features
  3. 3Hvor deep learning vinder (og hvor det ikke gør)
  4. +1 flere
Start gratis
2

A14 lektionerPRO

Installér PyTorch, kør på CPU eller GPU, og bekræft, at Deres miljø fungerer.

  1. 1Installér PyTorch, og kontrollér importen
  2. 2CPU vs. GPU vs. MPS: Vælg en enhed
  3. 3Notebooks, scripts og reproducerbare seeds
  4. +1 flere
Start gratisLås op med PRO
3

A14 lektionerPRO

Opret, omform og udfør beregninger med PyTorch-tensorer med sikkerhed.

  1. 1Shapes, dtypes og indeksering
  2. 2Reshape, view, squeeze og unsqueeze
  3. 3Broadcasting-regler, der sparer loops
  4. +1 flere
Start gratisLås op med PRO
4

A14 lektionerPRO

Erstat Python-løkker med hurtige vektoriserede tensoroperationer.

  1. 1Hvorfor loops er langsomme til matematik
  2. 2Elementvise operationer og reduktioner
  3. 3Matrixmultiplikation med matmul og @
  4. +1 flere
Start gratisLås op med PRO
5

A14 lektionerPRO

Byg en enkelt neuron, og se den tegne en beslutningsgrænse.

  1. 1Vægte, bias og den vægtede sum
  2. 2Step-funktionen og lineære beslutninger
  3. 3Kod en perceptron fra bunden
  4. +1 flere
Start gratisLås op med PRO
6

A24 lektionerPRO

Vælg ReLU, sigmoid, tanh og softmax til den rette opgave.

  1. 1Hvorfor ikke-linearitet frigiver reel styrke
  2. 2ReLU og dens leaky- og GELU-slægtninge
  3. 3Sigmoid og tanh: Pres værdier ind i et interval
  4. +1 flere
Start gratisLås op med PRO
7

A24 lektionerPRO

Forstå, hvordan en model ruller ned mod en lavere loss.

  1. 1Loss som et landskab, der skal nedad
  2. 2Gradienter peger opad – så gå den anden vej
  3. 3Learning rate: For stor, for lille, helt rigtig
  4. +1 flere
Start gratisLås op med PRO
8

A24 lektionerPRO

Brug requires_grad og backward() til automatisk at beregne gradienter.

  1. 1requires_grad og beregningsgrafen
  2. 2Kald backward() for at hente gradienter
  3. 3Læs og nulstil .grad
  4. +1 flere
Start gratisLås op med PRO
9

A24 lektionerPRO

Definér, instantiér og kør et feedforward-netværk i PyTorch.

  1. 1Subclass nn.Module: __init__ og forward
  2. 2Stak lineære lag
  3. 3nn.Sequential til hurtige modeller
  4. +1 flere
Start gratisLås op med PRO
10

A24 lektionerPRO

Træn et lille netværk fra ende til anden, og mål dets nøjagtighed.

  1. 1Forward pass, loss, backward, step
  2. 2Skriv et minimalt træningsloop
  3. 3Følg nøjagtigheden under træningen
  4. +1 flere
Start gratisLås op med PRO
11

B14 lektionerPRO

Følg, hvordan fejl bevæger sig baglæns for at opdatere hver vægt.

  1. 1Kædereglen lag for lag
  2. 2Forward gemmer, backward genbruger
  3. 3Lav backprop på et lille net i hånden
  4. +1 flere
Start gratisLås op med PRO
12

B14 lektionerPRO

Vælg den rette loss til regressions-, binære og multiklasseproblemer.

  1. 1MSE og MAE til regression
  2. 2Binær cross-entropy med logits
  3. 3Cross-entropy til multiklassifikation
  4. +1 flere
Start gratisLås op med PRO
13

B14 lektionerPRO

Finjustér SGD, momentum og Adam for at træne hurtigere og mere stabilt.

  1. 1SGD med momentum
  2. 2Adam og AdamW forklaret
  3. 3Weight decay vs. L2-regularisering
  4. +1 flere
Start gratisLås op med PRO
14

B14 lektionerPRO

Tilføj validering, checkpoints og metrikker til et loop i produktionskvalitet.

  1. 1Opdel i train, validation og test
  2. 2Et epoch-loop med validering
  3. 3Gem og indlæs med state_dict
  4. +1 flere
Start gratisLås op med PRO
15

B14 lektionerPRO

Indlæs data effektivt med tilpassede Datasets og batchede DataLoaders.

  1. 1Skriv en brugerdefineret Dataset-klasse
  2. 2Batching, shuffling og num_workers
  3. 3collate_fn til input med variabel længde
  4. +1 flere
Start gratisLås op med PRO
16

B14 lektionerPRO

Diagnosticér overfitting, og anvend dropout, augmentation og normer.

  1. 1Læs forskellen mellem train og val
  2. 2Dropout: Fjern neuroner tilfældigt
  3. 3Batch norm og layer norm
  4. +1 flere
Start gratisLås op med PRO
17

B14 lektionerPRO

Byg et CNN, der lærer visuelle egenskaber fra rå pixels.

  1. 1Konvolution: Kernels glider over pixels
  2. 2Stride, padding og pooling
  3. 3Kanaler, feature maps og receptive fields
  4. +1 flere
Start gratisLås op med PRO
18

B14 lektionerPRO

Forstå LeNet til ResNet og idéerne, der gjorde netværk dybere.

  1. 1LeNet og AlexNet: De første sejre
  2. 2VGG: Stakke af små filtre
  3. 3ResNet: Skip connections går i dybden
  4. +1 flere
Start gratisLås op med PRO
19

B14 lektionerPRO

Modellér ordnede data med rekurrente netværk og gated hukommelse.

  1. 1Hvorfor sekvenser har brug for hukommelse
  2. 2Den klassiske RNN-celle
  3. 3LSTM- og GRU-gates
  4. +1 flere
Start gratisLås op med PRO
20

B14 lektionerPRO

Omdan ord til tætte vektorer, som et netværk kan lære af.

  1. 1Tokenisér, og opbyg et vocabulary
  2. 2nn.Embedding: Lærbare ordvektorer
  3. 3Hvorfor embeddings indfanger betydning
  4. +1 flere
Start gratisLås op med PRO
21

B24 lektionerPRO

Implementér self-attention, og saml en transformerblok.

  1. 1Self-attention: Query, key og value
  2. 2Scaled dot-product og multi-head
  3. 3Positional encoding til rækkefølge
  4. +1 flere
Start gratisLås op med PRO
22

B24 lektionerPRO

Tilpas prætrænede modeller til Deres opgave med få data.

  1. 1Frys backbone, og træn head
  2. 2Fine-tun med en lavere learning rate
  3. 3Diskriminative rates lag for lag
  4. +1 flere
Start gratisLås op med PRO
23

B24 lektionerPRO

Komprimér og rekonstruér data for at lære nyttige latente koder.

  1. 1Encoder, bottleneck og decoder
  2. 2Denoising-autoencodere
  3. 3Variational autoencodere og det latente rum
  4. +1 flere
Start gratisLås op med PRO
24

B24 lektionerPRO

Træn en generator og en discriminator til at skabe nye billeder.

  1. 1Generator vs. discriminator: Spillet
  2. 2Det adversarielle loss
  3. 3Byg en DCGAN
  4. +1 flere
Start gratisLås op med PRO
25

B24 lektionerPRO

Forstå, hvordan diffusionsmodeller støjreducerer sig frem til nye samples.

  1. 1Forward noising og reverse denoising
  2. 2Forudsig støjen med en U-Net
  3. 3Sampling-schedules og guidance
  4. +1 flere
Start gratisLås op med PRO
26

B24 lektionerPRO

Gør træningen hurtigere med AMP, profilering og teknikker til GPU-hukommelse.

  1. 1Mixed precision med autocast og GradScaler
  2. 2Gradientakkumulering til store batches
  3. 3Profilér flaskehalsen
  4. +1 flere
Start gratisLås op med PRO
27

B24 lektionerPRO

Træn på tværs af flere GPU'er med DataParallel og DDP.

  1. 1Data- vs. modelparallelisme
  2. 2Grundlæggende DistributedDataParallel
  3. 3Synkron batch norm og sharded state
  4. +1 flere
Start gratisLås op med PRO
28

B24 lektionerPRO

Mål modeller ærligt, og fortolk, hvorfor de foretager deres forudsigelser.

  1. 1Precision, recall, F1 og ROC-AUC
  2. 2Confusion matrices og fejlanalyse
  3. 3Grad-CAM: Se, hvad modellen kigger på
  4. +1 flere
Start gratisLås op med PRO
29

B24 lektionerPRO

Eksportér, optimér, og udstil en trænet model via en API.

  1. 1TorchScript og torch.compile
  2. 2Eksportér til ONNX
  3. 3Kvantisering til mindre og hurtigere modeller
  4. +1 flere
Start gratisLås op med PRO
30

B24 lektionerPRO

Spor, versionsstyr, og overvåg modeller som et produktionsteam.

  1. 1Følg eksperimenter med Weights & Biases
  2. 2Versionsstyr data og modeller
  3. 3Find data- og modeldrift
  4. +1 flere
Start gratisLås op med PRO
CoddyKit PRO

Lås op for alle 30 kurser på denne sti og alle kurser på alle andre stier

AI-vejleder, certificeringseksamen og certifikat. Fungerer på web, iOS og Android.

Se alle abonnementer
Årligt$29.90 / årCa. $2.49 om månedenBetal én gangLivstid$69.99 én gangIngen fornyelser. PRO for altid.
Kursusoversigt

Deep learning med Python

Bliv fortrolig med deep learning i PyTorch, fra neuroner og backpropagation til moderne arkitekturer. Dette læringsspor dækker 30 progressive minikurser fra helt nybegynder (A1) til avanceret (B2) med korte, fokuserede lektioner og hurtige quizzer, der hjælper dig med at fastholde hvert koncept.

Det lærer du

Begynd med tensorer, perceptronen, aktiveringsfunktioner og autograd, og byg og træn derefter neurale netværk. Gå videre til CNN'er, RNN'er, Transformers og attention, transfer learning, GAN'er, diffusionsmodeller, distribueret træning og MLOps til produktion. Alle lektioner er praktiske med en AI-underviser døgnet rundt, når du går i stå.

Sådan fungerer det

Hvert kursus er opdelt i fire fokuserede lektioner i små bidder. Gennemfør et par lektioner om dagen, så mestrer du hele læringssporet på uger i stedet for måneder.

Værktøjer

Øv dig med AI – læs ikke bare

Få mere ud af din læring med AI-drevne værktøjer og funktioner

AI-chatChat med en AI-underviserStil et superspørgsmålFå svar på ekspertniveauPROOpret lektionAI-drevet værktøj til at oprette lektionerPROStart certificeringseksamenFå dit certifikatPROStart udfordringAfprøv dine færdigheder

Sådan lærer du

  1. 01

    Interaktive lektioner

    Praktiske kodeøvelser med feedback i realtid

  2. 02

    AI-underviser

    Få øjeblikkelig hjælp fra vores AI, når du sidder fast

  3. 03

    Indbygget editor

    Skriv og kør kode direkte i din browser

  4. 04

    Certifikat

    Få et certifikat, når du gennemfører kurset

Udforsk videre

Relaterede læringsstier

Machine Learning Academy logoMachine Learning AcademyLearn machine learning from first principles. Build and evaluate models with scikit-learn…NLP Academy logoNLP AcademyBuild language AI with Python. From text preprocessing and embeddings to Transformers, na…MLOps Academy logoMLOps AcademyTake ML models to production: experiment tracking, serving, CI/CD, monitoring, and drift…Data Science Academy logoData Science AcademyTurn raw data into insight with Python. Master NumPy, pandas, visualization, and scikit-l…Pandas & NumPy Academy logoPandas & NumPy AcademyGo from spreadsheets to production-grade data analysis. Master NumPy arrays, Pandas DataF…Mojo Academy logoMojo AcademyLearn Mojo, Modular's Python-family language built for AI speed. Write Python-like code w…
Ofte stillede spørgsmål

Ofte stillede spørgsmål

Er Deep Learning Academy-kurset gratis?

Ja. Du kan begynde på Deep Learning Academy-kurset gratis og gennemføre de interaktive lektioner uden omkostninger. Et valgfrit PRO-abonnement giver adgang til avancerede AI-værktøjer og et certifikat, der kan deles.

Skal jeg have erfaring på forhånd for at lære Python?

Nej. Kurset begynder med det grundlæggende og bevæger sig gradvist videre til mere avancerede emner, så du kan starte uden tidligere erfaring med Python.

Hvordan lærer jeg Python på CoddyKit?

Du lærer ved at øve dig. Korte interaktive lektioner kombinerer en tydelig forklaring med en praktisk kodeøvelse, der kører i realtid, og en AI-vejleder, der er tilgængelig døgnet rundt, hjælper dig personligt, når du sidder fast.

Får jeg et certifikat, når jeg gennemfører Deep Learning Academy?

Ja. PRO-brugere kan tage en eksamen og få et certifikat for gennemførelse af Deep Learning Academy-kurset, som kan deles og indeholder en verificerbar kode.

Kan jeg lære Python på min telefon?

Ja. CoddyKit er tilgængeligt på nettet og som indbyggede iOS- og Android-apps, så du kan lære Python på enhver enhed, og dine fremskridt synkroniseres på tværs af dem.

Hvad koster CoddyKit PRO?

Det første kursus på Deep Learning Academy-stien er gratis. CoddyKit PRO giver adgang til alle kurser: $5.90 om ugen, $7.90 om måneden, $29.90 om året eller $69.99 én gang for livstidsadgang uden fornyelser.

Hvor lang tid tager det at gennemføre Deep Learning Academy?

Deep Learning Academy har 30 kurser og 120 lektioner. De fleste lektioner tager cirka 5–10 minutter, så hele stien kræver omkring 14 timers praktisk øvelse i dit eget tempo.

Start på Deep Learning Academy nu

Slut dig til tusindvis af kursister, der mestrer programmering med AI-drevne lektioner.

Start gratisSe alle kurser