PricingLoginStart free
Deep Learning Academy logo
PythonAINivåer A1 → B222 språk

Deep Learning Academy

Behersk dyp læring med PyTorch, fra nevroner og backpropagation til CNN-er, Transformers og MLOps i produksjon. En læringssti fra CoddyKit med 30 korte kurs og 120 interaktive leksjoner, med en AI-veileder tilgjengelig døgnet rundt.

Kurs
30
Leksjoner
120
Interaktive trinn
1,560
Gratis å komme i gang
Kurs 1
Kursinnhold

30 kurs i denne læringsstien

Alle kursene i læringsstien Deep Learning Academy, i læringsrekkefølge. Det første er gratis.

1

A14 leksjonerGratis

Forklar hvordan deep learning skiller seg fra klassisk ML, og hvor metoden utmerker seg.

  1. 1AI vs. maskinlæring vs. dyp læring
  2. 2Hvorfor nevrale nettverk slår håndlagde egenskaper
  3. 3Når dyp læring fungerer best (og når det ikke gjør det)
  4. +1 flere
Start læringen gratis
2

A14 leksjonerPRO

Installer PyTorch, kjør på CPU eller GPU, og bekreft at miljøet fungerer.

  1. 1Installer PyTorch og bekreft at det importeres
  2. 2CPU vs. GPU vs. MPS: Velg en enhet
  3. 3Notatbøker, skript og reproduserbare frø
  4. +1 flere
Start læringen gratisLås opp med PRO
3

A14 leksjonerPRO

Opprett, endre form på og utfør beregninger med PyTorch-tensorer med trygghet.

  1. 1Former, dtype-er og indeksering
  2. 2Reshape, view, squeeze og unsqueeze
  3. 3Broadcasting-regler som sparer løkker
  4. +1 flere
Start læringen gratisLås opp med PRO
4

A14 leksjonerPRO

Erstatt Python-løkker med raske vektoriserte tensoroperasjoner.

  1. 1Hvorfor løkker er trege til matematikk
  2. 2Elementvise operasjoner og reduksjoner
  3. 3Matrisemultiplikasjon med matmul og @
  4. +1 flere
Start læringen gratisLås opp med PRO
5

A14 leksjonerPRO

Bygg ett enkelt nevron, og se det tegne en beslutningsgrense.

  1. 1Vekter, bias og den vektede summen
  2. 2Stegfunksjonen og lineære beslutninger
  3. 3Programmer en perceptron fra bunnen av
  4. +1 flere
Start læringen gratisLås opp med PRO
6

A24 leksjonerPRO

Velg ReLU, sigmoid, tanh og softmax til riktig oppgave.

  1. 1Hvorfor ikke-linearitet åpner for reell kraft
  2. 2ReLU og de leaky- og GELU-beslektede funksjonene
  3. 3Sigmoid og tanh: Press verdier inn i et intervall
  4. +1 flere
Start læringen gratisLås opp med PRO
7

A24 leksjonerPRO

Forstå hvordan en modell ruller nedover mot et lavere tap.

  1. 1Tap som et landskap å bevege seg nedover i
  2. 2Gradienter peker oppover – ta derfor steget motsatt vei
  3. 3Læringsrate: For stor, for liten eller akkurat passe
  4. +1 flere
Start læringen gratisLås opp med PRO
8

A24 leksjonerPRO

Bruk requires_grad og backward() til å beregne gradienter automatisk.

  1. 1requires_grad og beregningsgrafen
  2. 2Kall backward() for å hente gradienter
  3. 3Les og nullstill .grad
  4. +1 flere
Start læringen gratisLås opp med PRO
9

A24 leksjonerPRO

Definer, instansier og kjør et feedforward-nettverk i PyTorch.

  1. 1Arv fra nn.Module: __init__ og forward
  2. 2Stable lineære lag
  3. 3nn.Sequential for raske modeller
  4. +1 flere
Start læringen gratisLås opp med PRO
10

A24 leksjonerPRO

Tren et lite nettverk fra ende til ende, og mål nøyaktigheten.

  1. 1Forward-pass, tap, backward og step
  2. 2Skriv en minimal treningssløyfe
  3. 3Følg med på nøyaktigheten under treningen
  4. +1 flere
Start læringen gratisLås opp med PRO
11

B14 leksjonerPRO

Følg hvordan feil beveger seg bakover for å oppdatere hver vekt.

  1. 1Kjerneregelen, lag for lag
  2. 2Forward lagrer, backward gjenbruker
  3. 3Gjør backprop på et lite nettverk for hånd
  4. +1 flere
Start læringen gratisLås opp med PRO
12

B14 leksjonerPRO

Velg riktig tapfunksjon for regresjons-, binær- og flerkategoriproblemer.

  1. 1MSE og MAE for regresjon
  2. 2Binært kryssentropitap med logits
  3. 3Kryssentropi for flerkla​​​​sseproblemer
  4. +1 flere
Start læringen gratisLås opp med PRO
13

B14 leksjonerPRO

Finjuster SGD, momentum og Adam for raskere og mer stabil trening.

  1. 1SGD med momentum
  2. 2Adam og AdamW forklart
  3. 3Vektnedbrytning vs. L2-regularisering
  4. +1 flere
Start læringen gratisLås opp med PRO
14

B14 leksjonerPRO

Legg til validering, kontrollpunkter og måleverdier i en treningssløyfe klar for produksjon.

  1. 1Del opp i trening, validering og test
  2. 2En epokkesløyfe med validering
  3. 3Lagre og last inn med state_dict
  4. +1 flere
Start læringen gratisLås opp med PRO
15

B14 leksjonerPRO

Mat inn data effektivt med egendefinerte Datasett og batch-inndelte DataLoadere.

  1. 1Skriv en egendefinert datasettklasse
  2. 2Batching, stokking og num_workers
  3. 3collate_fn for inndata med variabel lengde
  4. +1 flere
Start læringen gratisLås opp med PRO
16

B14 leksjonerPRO

Finn overtilpasning, og bruk dropout, dataaugmentering og normer.

  1. 1Forstå gapet mellom trening og validering
  2. 2Dropout: Fjern nevroner tilfeldig
  3. 3Batch-norm og layer-norm
  4. +1 flere
Start læringen gratisLås opp med PRO
17

B14 leksjonerPRO

Bygg et CNN som lærer visuelle egenskaper fra rå piksler.

  1. 1Konvolusjon: Kjerner glir over piksler
  2. 2Stride, padding og pooling
  3. 3Kanaler, egenskapskart og reseptive felt
  4. +1 flere
Start læringen gratisLås opp med PRO
18

B14 leksjonerPRO

Forstå LeNet til ResNet og ideene som gjorde nettverkene dypere.

  1. 1LeNet og AlexNet: De første gjennombruddene
  2. 2VGG: Stabler av små filtre
  3. 3ResNet: Skip connections går i dybden
  4. +1 flere
Start læringen gratisLås opp med PRO
19

B14 leksjonerPRO

Modeller ordnede data med rekurrente nettverk og minne med porter.

  1. 1Hvorfor sekvenser trenger hukommelse
  2. 2Den vanlige RNN-cellen
  3. 3LSTM- og GRU-porter
  4. +1 flere
Start læringen gratisLås opp med PRO
20

B14 leksjonerPRO

Gjør ord om til tette vektorer som et nettverk kan lære av.

  1. 1Tokeniser og bygg et vokabular
  2. 2nn.Embedding: Lærbare ordvektorer
  3. 3Hvorfor embedding-er fanger opp mening
  4. +1 flere
Start læringen gratisLås opp med PRO
21

B24 leksjonerPRO

Implementer self-attention, og sett sammen en transformerblokk.

  1. 1Selvoppmerksomhet: Query, key og value
  2. 2Skalert skalarprodukt og multi-head
  3. 3Posisjonell koding for rekkefølge
  4. +1 flere
Start læringen gratisLås opp med PRO
22

B24 leksjonerPRO

Tilpass forhåndstrente modeller til oppgaven Deres med lite data.

  1. 1Frys grunnmodellen og tren hodet
  2. 2Finjuster med lavere læringsrate
  3. 3Diskriminative rater lag for lag
  4. +1 flere
Start læringen gratisLås opp med PRO
23

B24 leksjonerPRO

Komprimer og rekonstruer data for å lære nyttige latente koder.

  1. 1Enkoder, flaskehals og dekoder
  2. 2Støyfjernende autoenkodere
  3. 3Variasjonelle autoenkodere og det latente rommet
  4. +1 flere
Start læringen gratisLås opp med PRO
24

B24 leksjonerPRO

Tren en generator og en diskriminator til å lage nye bilder.

  1. 1Generator vs. diskriminator: Spillet
  2. 2Det adversarielle tapet
  3. 3Bygg en DCGAN
  4. +1 flere
Start læringen gratisLås opp med PRO
25

B24 leksjonerPRO

Forstå hvordan diffusjonsmodeller fjerner støy på veien mot nye eksempler.

  1. 1Fremoverrettet støytilføring og omvendt støyfjerning
  2. 2Forutsi støyen med en U-Net
  3. 3Samplingsplaner og guiding
  4. +1 flere
Start læringen gratisLås opp med PRO
26

B24 leksjonerPRO

Få fart på treningen med AMP, profilering og teknikker for GPU-minne.

  1. 1Blandet presisjon med autocast og GradScaler
  2. 2Gradientakkumulering for store batcher
  3. 3Profiler flaskehalsen
  4. +1 flere
Start læringen gratisLås opp med PRO
27

B24 leksjonerPRO

Tren på tvers av flere GPU-er med DataParallel og DDP.

  1. 1Data- vs. modellparallellitet
  2. 2Grunnleggende om DistributedDataParallel
  3. 3Synkronisert batch-norm og sharded state
  4. +1 flere
Start læringen gratisLås opp med PRO
28

B24 leksjonerPRO

Mål modeller ærlig og tolk hvorfor de predikerer som de gjør.

  1. 1Presisjon, recall, F1 og ROC-AUC
  2. 2Forvekslingsmatriser og feilanalyse
  3. 3Grad-CAM: Se hva modellen ser på
  4. +1 flere
Start læringen gratisLås opp med PRO
29

B24 leksjonerPRO

Eksporter, optimaliser og tilgjengeliggjør en trent modell bak et API.

  1. 1TorchScript og torch.compile
  2. 2Eksporter til ONNX
  3. 3Kvantisering for mindre og raskere modeller
  4. +1 flere
Start læringen gratisLås opp med PRO
30

B24 leksjonerPRO

Spor, versjoner og overvåk modeller som et produksjonsteam.

  1. 1Følg eksperimenter med Weights & Biases
  2. 2Versjoner data og modeller
  3. 3Oppdag data- og modelldrift
  4. +1 flere
Start læringen gratisLås opp med PRO
CoddyKit PRO

Lås opp alle 30 kursene i denne læringsstien og alle andre læringsstier

AI-veileder, sertifiseringseksamen og sertifikat. Fungerer på web, iOS og Android.

Se alle abonnementene
Årlig$29.90 / årOmtrent $2.49 per månedBetal én gangLivstid$69.99 én gangIngen fornyelser. PRO for alltid.
Kursoversikt

Dyp læring med Python

Behersk dyp læring med PyTorch, fra nevroner og backpropagation til moderne arkitekturer. Dette læringsløpet består av 30 progressive minikurs, fra helt nybegynner (A1) til viderekommen (B2), med korte, fokuserte leksjoner og raske quizer som hjelper Dem å feste hvert konsept.

Dette vil De lære

Begynn med tensorer, perceptronet, aktiveringsfunksjoner og autograd, og bygg og tren deretter nevrale nettverk. Gå videre til CNN-er, RNN-er, Transformers og attention, transfer learning, GAN-er, diffusjonsmodeller, distribuert trening og MLOps i produksjon. Hver leksjon er praktisk, med en AI-veileder tilgjengelig døgnet rundt når De står fast.

Slik fungerer det

Hvert kurs er delt inn i fire fokuserte, korte leksjoner. Gjennomfør noen leksjoner om dagen, så behersker De hele læringsløpet på noen uker, ikke måneder.

Verktøy

Øv med AI, ikke bare les

Få mer ut av læringen med AI-drevne verktøy og funksjoner

AI-chatChat med AI-veilederenStill et superspørsmålFå svar på ekspertnivåPROOpprett leksjonAI-drevet leksjonsbyggerPROStart sertifiseringseksamenFå sertifikatet dittPROStart utfordringTest ferdighetene dine

Slik lærer du

  1. 01

    Interaktive leksjoner

    Praktiske kodeøvelser med tilbakemelding i sanntid

  2. 02

    AI-veileder

    Få øyeblikkelig hjelp fra AI-en vår når du står fast

  3. 03

    Innebygd kodeeditor

    Skriv og kjør kode direkte i nettleseren

  4. 04

    Sertifikat

    Få et sertifikat når du fullfører kurset

Fortsett å utforske

Relaterte 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…
FAQ

Ofte stilte spørsmål

Er kurset i Deep Learning Academy gratis?

Ja. Du kan starte på kurset i Deep Learning Academy gratis og fullføre de interaktive leksjonene uten kostnad. Et valgfritt PRO-abonnement låser opp avanserte AI-verktøy og et delbart sertifikat.

Trenger jeg tidligere erfaring for å lære Python?

Nei. Kurset begynner med det grunnleggende og går gradvis videre til mer avanserte emner, slik at du kan starte selv uten tidligere erfaring med Python.

Hvordan lærer jeg Python på CoddyKit?

Du lærer gjennom praksis. Korte, interaktive leksjoner kombinerer en tydelig forklaring med en praktisk kodeøvelse som kjører i sanntid, og en AI-veileder som er tilgjengelig døgnet rundt, gir deg personlig hjelp når du står fast.

Får jeg et sertifikat når jeg fullfører Deep Learning Academy?

Ja. PRO-brukere kan ta en eksamen og få et delbart fullføringssertifikat med en verifiserbar kode for kurset i Deep Learning Academy.

Kan jeg lære Python på telefonen?

Ja. CoddyKit er tilgjengelig på nettet og som native iOS- og Android-apper, slik at du kan lære Python på alle enheter, mens fremdriften synkroniseres mellom dem.

Hvor mye koster CoddyKit PRO?

Det første kurset i Deep Learning Academy er gratis. CoddyKit PRO gir tilgang til alle kurs: $5.90 per uke, $7.90 per måned, $29.90 per år eller $69.99 én gang for tilgang på livstid uten fornyelser.

Hvor lang tid tar det å fullføre Deep Learning Academy?

Deep Learning Academy består av 30 kurs og 120 leksjoner. De fleste leksjonene tar omtrent 5–10 minutter, så hele læringsstien tar rundt 14 timer med praktisk øving i eget tempo.

Start på Deep Learning Academy nå

Bli med tusenvis av elever som lærer programmering med AI-drevne leksjoner.

Start læringen gratisSe alle kurs