0Pricing
Deep Learning Academy icon
PythonPythonAiData_sciencePoziomy A1 → B215 języków

Deep Learning Academy

Opanuj deep learning z PyTorch, od neuronów i backpropagation po CNNy, Transformery i produkcyjny MLOps. Ścieżka nauki CoddyKit obejmująca 30 krótkich kursów i 120 interaktywnych lekcji, z tutorem AI dostępnym przez całą dobę.

Kursy
30
Lekcje
120
Interaktywne kroki
1,560
Bezpłatny start
Kurs 1
Program nauczania

30 kursów w tej ścieżce

Każdy kurs w ścieżce Deep Learning Academy, w kolejności nauki. Pierwszy jest bezpłatny.

1

A14 lekcjiBezpłatny

Wyjaśnij, czym deep learning różni się od klasycznego ML i w jakich zastosowaniach sprawdza się najlepiej.

  1. 1AI a uczenie maszynowe i uczenie głębokie
  2. 2Dlaczego sieci neuronowe przewyższają ręcznie tworzone cechy
  3. 3Kiedy uczenie głębokie wygrywa, a kiedy nie
  4. +1 więcej
Zacznij naukę bezpłatnie
2

A14 lekcjiPRO

Zainstaluj PyTorch, uruchom go na CPU lub GPU i sprawdź poprawność działania środowiska.

  1. 1Zainstalować PyTorch i sprawdzić import
  2. 2CPU, GPU czy MPS: wybrać urządzenie
  3. 3Notatniki, skrypty i powtarzalne ziarna losowości
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
3

A14 lekcjiPRO

Swobodnie twórz, przekształcaj i wykorzystuj w obliczeniach tensory PyTorch.

  1. 1Kształty, dtype i indeksowanie
  2. 2Reshape, view, squeeze i unsqueeze
  3. 3Reguły broadcastingu, które oszczędzają pętle
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
4

A14 lekcjiPRO

Zastępuj pętle w Pythonie szybkimi, zwektoryzowanymi operacjami na tensorach.

  1. 1Dlaczego pętle są wolne w obliczeniach matematycznych
  2. 2Operacje elementowe i redukcje
  3. 3Mnożenie macierzy za pomocą matmul i @
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
5

A14 lekcjiPRO

Zbuduj pojedynczy neuron i obserwuj, jak wyznacza granicę decyzyjną.

  1. 1Wagi, bias i suma ważona
  2. 2Funkcja schodkowa i decyzje liniowe
  3. 3Zakodować perceptron od podstaw
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
6

A24 lekcjiPRO

Dobieraj ReLU, sigmoid, tanh i softmax do odpowiednich zadań.

  1. 1Dlaczego nieliniowość odblokowuje prawdziwą moc
  2. 2ReLU oraz jej odmiany Leaky ReLU i GELU
  3. 3Sigmoid i Tanh: sprowadzanie do zakresu
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
7

A24 lekcjiPRO

Zrozum, jak model stacza się w kierunku niższej wartości funkcji straty.

  1. 1Funkcja straty jako krajobraz do pokonania
  2. 2Gradienty wskazują pod górę — więc należy iść w przeciwną stronę
  3. 3Learning rate: za duży, za mały czy idealny
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
8

A24 lekcjiPRO

Używaj requires_grad i backward(), aby automatycznie obliczać gradienty.

  1. 1requires_grad i graf obliczeń
  2. 2Wywołać backward(), aby uzyskać gradienty
  3. 3Odczytywanie i zerowanie .grad
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
9

A24 lekcjiPRO

Definiuj, twórz instancje i uruchamiaj sieć feedforward w PyTorch.

  1. 1Dziedziczenie po nn.Module: __init__ i forward
  2. 2Stosowanie warstw liniowych
  3. 3nn.Sequential dla szybkich modeli
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
10

A24 lekcjiPRO

Wytrenuj małą sieć od początku do końca i zmierz jej dokładność.

  1. 1Przejście w przód, strata, wstecz i krok
  2. 2Napisać minimalną pętlę uczenia
  3. 3Śledzić dokładność podczas uczenia
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
11

B14 lekcjiPRO

Śledź, jak błędy przepływają wstecz, aktualizując każdą wagę.

  1. 1Reguła łańcuchowa, warstwa po warstwie
  2. 2Przejście w przód zapisuje dane, wsteczne je wykorzystuje
  3. 3Ręczna propagacja wsteczna w małej sieci
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
12

B14 lekcjiPRO

Dobierz właściwą funkcję straty do regresji oraz problemów binarnych i wieloklasowych.

  1. 1MSE i MAE dla regresji
  2. 2Binarna entropia krzyżowa z logitami
  3. 3Entropia krzyżowa dla wielu klas
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
13

B14 lekcjiPRO

Dostosuj SGD, momentum i Adam, aby trenować szybciej i stabilniej.

  1. 1SGD z momentum
  2. 2Adam i AdamW wyjaśnione
  3. 3Weight decay a regularyzacja L2
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
14

B14 lekcjiPRO

Dodaj walidację, punkty kontrolne i metryki do pętli treningowej gotowej do użycia produkcyjnego.

  1. 1Podział na zbiory treningowy, walidacyjny i testowy
  2. 2Pętla epok z walidacją
  3. 3Zapisywanie i wczytywanie za pomocą state_dict
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
15

B14 lekcjiPRO

Efektywnie dostarczaj dane za pomocą niestandardowych Datasetów i pakietowanych DataLoaderów.

  1. 1Napisać własną klasę Dataset
  2. 2Batchowanie, tasowanie i num_workers
  3. 3collate_fn dla danych o zmiennej długości
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
16

B14 lekcjiPRO

Diagnozuj przeuczenie i stosuj dropout, augmentację oraz normalizację.

  1. 1Odczytywanie luki między train a val
  2. 2Dropout: losowe wyłączanie neuronów
  3. 3Batch Norm i Layer Norm
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
17

B14 lekcjiPRO

Zbuduj CNN, która nauczy się cech wizualnych z surowych pikseli.

  1. 1Konwolucja: jądra przesuwają się po pikselach
  2. 2Stride, padding i pooling
  3. 3Kanały, mapy cech i pola recepcyjne
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
18

B14 lekcjiPRO

Poznaj architektury od LeNet do ResNet oraz koncepcje, które pozwoliły tworzyć coraz głębsze sieci.

  1. 1LeNet i AlexNet: pierwsze sukcesy
  2. 2VGG: stosy małych filtrów
  3. 3ResNet: połączenia pomijające prowadzą w głąb
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
19

B14 lekcjiPRO

Modeluj uporządkowane dane za pomocą sieci rekurencyjnych i pamięci z bramkowaniem.

  1. 1Dlaczego sekwencje potrzebują pamięci
  2. 2Podstawowa komórka RNN
  3. 3Bramki LSTM i GRU
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
20

B14 lekcjiPRO

Przekształcaj słowa w gęste wektory, z których sieć może się uczyć.

  1. 1Tokenizacja i budowanie słownika
  2. 2nn.Embedding: uczone wektory słów
  3. 3Dlaczego embeddingi przechwytują znaczenie
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
21

B24 lekcjiPRO

Zaimplementuj self-attention i zbuduj blok transformera.

  1. 1Self-attention: query, key i value
  2. 2Skalowany iloczyn skalarny i multi-head
  3. 3Kodowanie pozycyjne dla zachowania kolejności
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
22

B24 lekcjiPRO

Dostosuj wstępnie wytrenowane modele do swojego zadania, korzystając z niewielkiej ilości danych.

  1. 1Zamrozić backbone i trenować head
  2. 2Dostrajać model z mniejszym learning rate
  3. 3Różne learning rates dla poszczególnych warstw
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
23

B24 lekcjiPRO

Kompresuj i odtwarzaj dane, aby uczyć się użytecznych kodów ukrytych.

  1. 1Enkoder, wąskie gardło i dekoder
  2. 2Autoenkodery odszumiające
  3. 3Wariacyjne autoenkodery i przestrzeń latentna
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
24

B24 lekcjiPRO

Trenuj generator i dyskryminator, aby tworzyć nowe obrazy.

  1. 1Generator a dyskryminator: gra
  2. 2Strata przeciwstawna
  3. 3Zbudować DCGAN
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
25

B24 lekcjiPRO

Poznaj sposób, w jaki modele dyfuzyjne stopniowo odszumiają dane, tworząc nowe próbki.

  1. 1Dodawanie szumu w przód i odszumianie wsteczne
  2. 2Przewidywać szum za pomocą U-Neta
  3. 3Harmonogramy próbkowania i guidance
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
26

B24 lekcjiPRO

Przyspiesz trening dzięki AMP, profilowaniu i optymalizacji pamięci GPU.

  1. 1Obliczenia mieszanej precyzji z autocast i GradScaler
  2. 2Akumulacja gradientów dla dużych batchy
  3. 3Profilowanie wąskiego gardła
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
27

B24 lekcjiPRO

Trenuj na wielu GPU za pomocą DataParallel i DDP.

  1. 1Równoległość danych a równoległość modelu
  2. 2Podstawy DistributedDataParallel
  3. 3Synchronizowany Batch Norm i shardowany stan
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
28

B24 lekcjiPRO

Rzetelnie mierz modele i interpretuj, dlaczego dokonują takich predykcji.

  1. 1Precision, recall, F1 i ROC-AUC
  2. 2Macierze pomyłek i analiza błędów
  3. 3Grad-CAM: zobaczyć, na co patrzy model
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
29

B24 lekcjiPRO

Eksportuj, optymalizuj i udostępniaj wytrenowany model za pośrednictwem API.

  1. 1TorchScript i torch.compile
  2. 2Eksport do ONNX
  3. 3Kwantyzacja dla mniejszych i szybszych modeli
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
30

B24 lekcjiPRO

Śledź, wersjonuj i monitoruj modele jak zespół produkcyjny.

  1. 1Śledzenie eksperymentów za pomocą Weights & Biases
  2. 2Wersjonowanie danych i modeli
  3. 3Wykrywanie dryfu danych i modelu
  4. +1 więcej
Zacznij naukę bezpłatnieOdblokuj w PRO
CoddyKit PRO

Odblokuj 30 kursów w tej ścieżce oraz wszystkie kursy w pozostałych ścieżkach

Tutor AI, egzamin certyfikacyjny i certyfikat. Działa w przeglądarce, na iOS i Androidzie.

Zobacz wszystkie plany
Rocznie$29.90 / rokOkoło $2.49 miesięcznieZapłać razDożywotnio$69.99 jednorazowoBez odnowień. PRO na zawsze.
Przegląd kursu

Deep Learning z Pythonem

Opanuj deep learning z PyTorch, od neuronów i backpropagation po nowoczesne architektury. Ten tor obejmuje 30 progresywnych mini-kursów od poziomu początkującego (A1) do zaawansowanego (B2), z krótkimi skoncentrowanymi lekcjami i szybkimi quizami, które utrwalą każdą koncepcję.

Czego się nauczysz

Zacznij od tensorów, perceptronu, funkcji aktywacji i autograd, a następnie buduj i trenuj sieci neuronowe. Przejdź do CNN, RNN, Transformerów i attention, transfer learning, GAN, modeli dyfuzji, treningu rozproszonego i produkcyjnego MLOps. Każda lekcja jest praktyczna, a tutor AI dostępny 24/7 pomoże Ci, gdy się zatniesz.

Jak to działa

Każdy kurs podzielony jest na cztery skoncentrowane, małe lekcje. Ukończ kilka lekcji dziennie i opanujesz cały tor w tygodnie, nie miesiące.

Narzędzia

Ćwicz z AI, nie tylko czytaj

Przyspiesz naukę dzięki narzędziom i funkcjom napędzanym AI

Chat AICzatuj z korepetytorem AIZadaj Super PytanieUzyskaj odpowiedzi na poziomie ekspertaPROUtwórz lekcjęKonstruktor lekcji napędzany AIPRORozpocznij egzamin certyfikacyjnyZdobądź swój certyfikatPRORozpocznij wyzwaniePrzetestuj swoje umiejętności

Jak się będziesz uczyć

  1. 01

    Interaktywne lekcje

    Praktyczne ćwiczenia kodowania z opinią zwrotną w czasie rzeczywistym

  2. 02

    Tutor AI

    Uzyskaj natychmiastową pomoc od naszego AI, gdy się zatniesz

  3. 03

    Wbudowany edytor

    Pisz i uruchamiaj kod bezpośrednio w przeglądarce

  4. 04

    Certyfikat

    Uzyskaj certyfikat po ukończeniu kursu

Odkrywaj dalej

Powiązane ścieżki nauki

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

Często zadawane pytania

Czy kurs Deep Learning Academy jest bezpłatny?

Tak. Możesz rozpocząć kurs Deep Learning Academy za darmo i ukończyć jego interaktywne lekcje bez żadnych kosztów. Opcjonalna subskrypcja PRO odblokowuje zaawansowane narzędzia AI i certyfikat możliwy do udostępnienia.

Czy potrzebuję wcześniejszego doświadczenia, aby nauczyć się Python?

Nie. Kurs zaczyna się od podstaw i stopniowo przechodzi do bardziej zaawansowanych tematów, więc możesz zacząć nawet bez wcześniejszego doświadczenia z Python.

Jak nauczysz się Python na CoddyKit?

Uczysz się praktycznie. Krótkie interaktywne lekcje łączą jasne wyjaśnienie z praktycznym ćwiczeniem kodowania, które działa w czasie rzeczywistym, a tutor AI dostępny 24/7 udziela spersonalizowanej pomocy, gdy się zatniesz.

Czy dostajesz certyfikat po ukończeniu Deep Learning Academy?

Tak. Uczniowie PRO mogą przystąpić do egzaminu i uzyskać certyfikat ukończenia możliwy do udostępnienia z kodem możliwym do weryfikacji dla kursu Deep Learning Academy.

Czy możesz nauczyć się Python na telefonie?

Tak. CoddyKit jest dostępny na stronie internetowej i jako natywne aplikacje iOS i Android, dzięki czemu możesz nauczyć się Python na dowolnym urządzeniu, a Twoje postępy synchronizują się między nimi.

Ile kosztuje CoddyKit PRO?

Pierwszy kurs w ścieżce Deep Learning Academy jest bezpłatny. CoddyKit PRO odblokowuje wszystkie kursy: $5.90 tygodniowo, $7.90 miesięcznie, $29.90 rocznie lub $69.99 jednorazowo, aby uzyskać dożywotni dostęp bez odnowień.

Ile czasu zajmuje ukończenie ścieżki Deep Learning Academy?

Ścieżka Deep Learning Academy obejmuje 30 kursów i 120 lekcji. Większość lekcji zajmuje około 5–10 minut, więc cała ścieżka to mniej więcej 14 godzin praktyki we własnym tempie.

Zacznij Deep Learning Academy Teraz

Dołącz do tysięcy uczniów opanowujących programowanie dzięki lekcjom wspieranym AI.

Zacznij naukę bezpłatniePrzeglądaj Wszystkie Kursy