PricingLoginStart free
Deep Learning Academy logo
PythonTekoälyTasot A1 → B222 kieltä

Deep Learning Academy

Hallitkaa syväoppiminen PyTorchilla neuroneista ja backpropagationista CNN:iin, Transformereihin ja tuotannon MLOpsiin. CoddyKitin oppimispolku, joka sisältää 30 lyhyttä kurssia ja 120 interaktiivista oppituntia sekä tekoälytuutorin käytettävissäsi ympäri vuorokauden.

Kurssit
30
Oppitunnit
120
Interaktiiviset vaiheet
1,560
Aloita maksutta
Kurssi 1
Kurssisisältö

30 kurssia tässä opintopolussa

Kaikki Deep Learning Academy-opintopolun kurssit suoritusjärjestyksessä. Ensimmäinen on ilmainen.

1

A14 oppituntiaIlmainen

Selitä, miten syväoppiminen eroaa perinteisestä koneoppimisesta ja missä se on parhaimmillaan.

  1. 1Tekoäly vs. koneoppiminen vs. syväoppiminen
  2. 2Miksi neuroverkot päihittävät käsin suunnitellut piirteet
  3. 3Missä syväoppiminen loistaa (ja missä ei)
  4. +1 lisää
Aloita opiskelu maksutta
2

A14 oppituntiaPRO

Asenna PyTorch, suorita se suorittimella tai grafiikkasuorittimella ja varmista ympäristösi toimivuus.

  1. 1Asentakaa PyTorch ja varmistakaa tuonnin toimivuus
  2. 2CPU vs. GPU vs. MPS: valitkaa laite
  3. 3Muistikirjat, skriptit ja toistettavat siemenluvut
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
3

A14 oppituntiaPRO

Luo, muotoile uudelleen ja käsittele PyTorch-tensoreita matemaattisesti luottavaisin mielin.

  1. 1Muodot, dtypet ja indeksointi
  2. 2Reshape, View, Squeeze ja Unsqueeze
  3. 3Broadcasting-säännöt, jotka säästävät silmukoilta
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
4

A14 oppituntiaPRO

Korvaa Python-silmukat nopeilla vektorisointia hyödyntävillä tensoritoiminnoilla.

  1. 1Miksi silmukat ovat hitaita matematiikassa
  2. 2Alkioittaiset operaatiot ja reduktiot
  3. 3Matriisikertolasku matmulilla ja @-operaattorilla
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
5

A14 oppituntiaPRO

Rakenna yksittäinen neuroni ja seuraa, kuinka se piirtää päätösrajan.

  1. 1Painot, bias ja painotettu summa
  2. 2Askelfunktio ja lineaariset päätökset
  3. 3Koodatkaa perceptron alusta alkaen
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
6

A24 oppituntiaPRO

Valitse ReLU, sigmoid, tanh ja softmax kuhunkin tehtävään sopivalla tavalla.

  1. 1Miksi epälineaarisuus vapauttaa todellisen tehon
  2. 2ReLU ja sen Leaky- ja GELU-sukulaiset
  3. 3Sigmoid ja Tanh: puristaminen välille
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
7

A24 oppituntiaPRO

Ymmärrä, miten malli vierii alamäkeä kohti pienempää häviötä.

  1. 1Häviö maisemana, jota laskeudutaan
  2. 2Gradientit osoittavat ylämäkeen – astukaa siis toiseen suuntaan
  3. 3Oppimisnopeus: liian suuri, liian pieni vai sopiva
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
8

A24 oppituntiaPRO

Laske gradientit automaattisesti käyttämällä requires_gradia ja backward()-funktiota.

  1. 1requires_grad ja laskentakaavio
  2. 2Kutsukaa backward() gradienttien saamiseksi
  3. 3.grad-arvojen lukeminen ja nollaaminen
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
9

A24 oppituntiaPRO

Määritä, luo ja suorita feedforward-verkko PyTorchissa.

  1. 1Perikää nn.Module: __init__ ja forward
  2. 2Lineaaristen kerrosten pinoaminen
  3. 3nn.Sequential nopeisiin malleihin
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
10

A24 oppituntiaPRO

Kouluta pieni verkko alusta loppuun ja mittaa sen tarkkuus.

  1. 1Forward-vienti, häviö, backward ja askel
  2. 2Kirjoittakaa minimaalinen koulutussilmukka
  3. 3Seuratkaa tarkkuutta koulutuksen aikana
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
11

B14 oppituntiaPRO

Seuraa, kuinka virheet kulkevat taaksepäin ja päivittävät jokaisen painon.

  1. 1Ketjusääntö kerros kerrokselta
  2. 2Forward-vaiheen välimuistit, backward käyttää niitä uudelleen
  3. 3Laskekaa pienen verkon backpropagation käsin
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
12

B14 oppituntiaPRO

Valitse oikea häviöfunktio regressio-, binääri- ja moniluokkaisiin ongelmiin.

  1. 1MSE ja MAE regressioon
  2. 2Binäärinen ristientropia logiteilla
  3. 3Ristientropia moniluokkaisiin ongelmiin
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
13

B14 oppituntiaPRO

Säädä SGD:tä, momenttia ja Adamia nopeampaa ja vakaampaa koulutusta varten.

  1. 1SGD momentumin kanssa
  2. 2Adam ja AdamW selitettyinä
  3. 3Painojen vaimennus vs. L2-regularisointi
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
14

B14 oppituntiaPRO

Lisää tuotantotasoiseen silmukkaan validointi, tarkistuspisteet ja mittarit.

  1. 1Jakakaa data koulutus-, validointi- ja testijoukkoihin
  2. 2Epoch-silmukka validoinnilla
  3. 3Tallentaminen ja lataaminen state_dictillä
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
15

B14 oppituntiaPRO

Välitä dataa tehokkaasti mukautetuilla Dataseteilla ja eräajona toimivilla DataLoadereilla.

  1. 1Kirjoittakaa mukautettu Dataset-luokka
  2. 2Eräajo, sekoitus ja num_workers
  3. 3collate_fn eripituisille syötteille
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
16

B14 oppituntiaPRO

Tunnista ylisovittaminen ja sovella dropoutia, augmentointia ja normalisointia.

  1. 1Koulutus- ja validointieron tulkinta
  2. 2Dropout: pudottakaa neuroneja satunnaisesti
  3. 3Batch Norm ja Layer Norm
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
17

B14 oppituntiaPRO

Rakenna CNN, joka oppii visuaalisia piirteitä raakapikseleistä.

  1. 1Konvoluutio: kernelit liukuvat pikselien yli
  2. 2Askel, täyttö ja pooling
  3. 3Kanavat, piirre­kartat ja vastaanottokentät
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
18

B14 oppituntiaPRO

Ymmärrä LeNetistä ResNetiin ulottuvat arkkitehtuurit ja ideat, joiden ansiosta verkoista voitiin tehdä syvempiä.

  1. 1LeNet ja AlexNet: ensimmäiset voitot
  2. 2VGG: pienten suodattimien pinoja
  3. 3ResNet: ohitusyhteyksillä syvemmälle
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
19

B14 oppituntiaPRO

Mallinna järjestettyä dataa rekursiivisilla verkoilla ja portitetulla muistilla.

  1. 1Miksi sekvenssit tarvitsevat muistia
  2. 2Tavallinen RNN-solu
  3. 3LSTM- ja GRU-portit
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
20

B14 oppituntiaPRO

Muunna sanat tiheiksi vektoreiksi, joista verkko voi oppia.

  1. 1Tokenoikaa teksti ja rakentakaa sanasto
  2. 2nn.Embedding: opittavat sanavektorit
  3. 3Miksi upotukset vangitsevat merkityksen
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
21

B24 oppituntiaPRO

Toteuta self-attention ja kokoa transformer-lohko.

  1. 1Self-attention: Query, Key ja Value
  2. 2Skaalattu pistetulo ja multi-head
  3. 3Paikkakoodaus järjestystä varten
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
22

B24 oppituntiaPRO

Mukauta esikoulutettuja malleja tehtävääsi pienellä datamäärällä.

  1. 1Jäädyttäkää runko ja kouluttakaa pää
  2. 2Hienosäätö pienemmällä oppimisnopeudella
  3. 3Erottelevat kerroskohtaiset oppimisnopeudet
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
23

B24 oppituntiaPRO

Pakkaa ja rekonstruoi dataa hyödyllisten latenttien koodien oppimiseksi.

  1. 1Enkooderi, pullonkaula ja dekooderi
  2. 2Kohinaa poistavat autoenkooderit
  3. 3Variaatioautoenkooderit ja latenttitila
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
24

B24 oppituntiaPRO

Kouluta generaattori ja diskriminaattori luomaan uusia kuvia.

  1. 1Generaattori vs. diskriminaattori: peli
  2. 2Adversariaalinen häviö
  3. 3Rakentakaa DCGAN
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
25

B24 oppituntiaPRO

Ymmärrä, miten diffuusiomallit poistavat kohinaa matkallaan kohti uusia näytteitä.

  1. 1Eteenpäin suuntautuva kohinan lisäys ja käänteinen kohinanpoisto
  2. 2Ennustakaa kohina U-Netillä
  3. 3Näytteistyksen aikataulut ja ohjaus
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
26

B24 oppituntiaPRO

Nopeuttakaa koulutusta AMP:n, profiloinnin ja GPU-muistin hallinnan avulla.

  1. 1Sekatarkkuus autocastilla ja GradScalerilla
  2. 2Gradienttien kerryttäminen suuria eriä varten
  3. 3Profiloikaa pullonkaula
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
27

B24 oppituntiaPRO

Kouluttakaa mallia useilla GPU:illa DataParallelin ja DDP:n avulla.

  1. 1Data- ja malliparallelismi
  2. 2DistributedDataParallelin perusteet
  3. 3Synkronoitu Batch Norm ja jaettu tila
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
28

B24 oppituntiaPRO

Mitatkaa malleja rehellisesti ja tulkitkaa, miksi ne tekevät ennusteita.

  1. 1Precision, Recall, F1 ja ROC-AUC
  2. 2Sekaannusmatriisit ja virheanalyysi
  3. 3Grad-CAM: nähkää, mihin malli katsoo
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
29

B24 oppituntiaPRO

Viekää koulutettu malli, optimoikaa se ja tarjotkaa se API:n taustalla.

  1. 1TorchScript ja torch.compile
  2. 2Viekää malli ONNX-muotoon
  3. 3Kvantisaatio pienemmille ja nopeammille malleille
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
30

B24 oppituntiaPRO

Seuratkaa, versioikaa ja valvokaa malleja tuotantotiimin tavoin.

  1. 1Seuratkaa kokeita Weights & Biasesilla
  2. 2Versioikaa data ja mallit
  3. 3Tunnistakaa datan ja mallin muuttuminen
  4. +1 lisää
Aloita opiskelu maksuttaAvaa PRO-tilauksella
CoddyKit PRO

Avaa kaikki 30 tämän opintopolun kurssia ja kaikki muut opintopolut

Tekoälytuutori, sertifiointikoe ja suoritustodistus. Toimii verkossa sekä iOS- ja Android-laitteilla.

Näytä kaikki paketit
Vuosittain$29.90 / vuosiNoin $2.49 kuukaudessaMaksa kerranElinikäinen$69.99 KerranEi uusimisia. PRO ikuisesti.
Kurssin yleiskatsaus

Syväoppiminen Pythonilla

Hallitkaa syväoppiminen PyTorchilla neuroneista ja backpropagationista moderneihin arkkitehtuureihin. Tämä kokonaisuus sisältää 30 etenevää minikurssia täydestä aloittelijatasosta (A1) edistyneelle tasolle (B2), lyhyine, kohdennettuine oppitunteineen ja nopeine tietovisoineen, jotka auttavat vakiinnuttamaan jokaisen käsitteen.

Mitä opitte

Aloitatte tensoreista, perceptronista, aktivointifunktioista ja autogradista ja rakennatte sitten neuroverkkoja sekä koulutatte niitä. Seuraavaksi perehdytte CNN:iin, RNN:iin, Transformereihin ja attention-mekanismiin, siirto-oppimiseen, GAN:eihin, diffuusiomalleihin, hajautettuun koulutukseen ja tuotannon MLOpsiin. Jokainen oppitunti on käytännönläheinen, ja jumittuessanne käytettävissänne on ympäri vuorokauden toimiva tekoälyohjaaja.

Näin se toimii

Jokainen kurssi on jaettu neljään kohdennettuun, lyhyeen oppituntiin. Kun suoritatte muutaman oppitunnin päivässä, hallitsette koko kokonaisuuden viikoissa, ette kuukausissa.

Työkalut

Harjoittele tekoälyn avulla – älä vain lue

Tehosta oppimistasi tekoälypohjaisilla työkaluilla ja ominaisuuksilla

TekoälychatKeskustele tekoälytuutorin kanssaEsitä superkysymysSaat asiantuntijatason vastauksiaPROLuo oppituntiTekoälypohjainen oppituntien luontityökaluPROAloita sertifiointikoeHanki sertifikaattiPROAloita haasteTestaa taitosi

Näin opiskelet

  1. 01

    Interaktiiviset oppitunnit

    Käytännön koodiharjoituksia ja reaaliaikaista palautetta

  2. 02

    Tekoälytuutori

    Saat heti apua tekoälyltä, kun jäät jumiin

  3. 03

    Sisäänrakennettu editori

    Kirjoita ja suorita koodia suoraan selaimessa

  4. 04

    Sertifikaatti

    Saat sertifikaatin suoritettuasi kurssin

Tutustu lisää

Aiheeseen liittyvät opintopolut

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…
UKK

Usein kysytyt kysymykset

Onko Deep Learning Academy-kurssi ilmainen?

Kyllä. Voit aloittaa Deep Learning Academy-kurssin ilmaiseksi ja suorittaa sen vuorovaikutteiset oppitunnit maksutta. Valinnainen PRO-tilaus avaa käyttöön edistyneet tekoälytyökalut ja jaettavan todistuksen.

Tarvitsenko aiempaa kokemusta oppiakseni Python?

Et tarvitse. Kurssi alkaa perusteista ja etenee vähitellen edistyneempiin aiheisiin, joten voit aloittaa, vaikka sinulla ei olisi aiempaa Python-kokemusta.

Miten opin Python CoddyKitissä?

Opit tekemällä. Lyhyillä vuorovaikutteisilla oppitunneilla selkeä teoria yhdistyy käytännön koodiharjoitukseen, joka suoritetaan reaaliajassa. Ympäri vuorokauden käytettävissä oleva tekoälytuutori auttaa henkilökohtaisesti aina, kun jäät jumiin.

Saanko todistuksen Deep Learning Academy-kurssin suorittamisesta?

Kyllä. PRO-oppijat voivat suorittaa kokeen ja saada Deep Learning Academy-kurssin suorittamisesta jaettavan todistuksen, jonka koodi voidaan tarkistaa.

Voinko oppia Python puhelimellani?

Kyllä. CoddyKit on käytettävissä verkossa sekä iOS- ja Android-natiivisovelluksina, joten voit oppia Python millä tahansa laitteella, ja edistymisesi synkronoituu niiden välillä.

Paljonko CoddyKit PRO maksaa?

Deep Learning Academy-opintopolun ensimmäinen kurssi on ilmainen. CoddyKit PRO avaa kaikki kurssit: $5.90 viikossa, $7.90 kuukaudessa, $29.90 vuodessa tai $69.99 kerran maksettuna, jolloin saat elinikäisen käyttöoikeuden ilman uusimisia.

Kuinka kauan Deep Learning Academy-opintopolun suorittaminen kestää?

Deep Learning Academy sisältää 30 kurssia ja 120 oppituntia. Useimmat oppitunnit kestävät noin 5–10 minuuttia, joten koko opintopolun suorittamiseen kuluu omaan tahtiin noin 14 tuntia käytännön harjoittelua.

Aloita Deep Learning Academy nyt

Liity tuhansien oppijoiden joukkoon ja opi ohjelmointia tekoälyä hyödyntävillä oppitunneilla.

Aloita opiskelu maksuttaSelaa kaikkia kursseja