PricingLoginStart free
Deep Learning Academy logo
PythonAINivåer A1 → B222 språk

Deep Learning Academy

Bemästra deep learning med PyTorch, från neuroner och backpropagation till CNN:er, Transformers och MLOps i produktion. En lärstig från CoddyKit med 30 korta kurser och 120 interaktiva lektioner, med en AI-handledare till hands dygnet runt.

Kurser
30
Lektioner
120
Interaktiva steg
1,560
Gratis att börja
Kurs 1
Kursplan

30 kurser i den här lärvägen

Alla kurser i lärvägen Deep Learning Academy, i rätt ordning. Den första är gratis.

1

A14 lektionerGratis

Förklara hur deep learning skiljer sig från klassisk ML och var metoden fungerar bäst.

  1. 1AI kontra maskininlärning kontra djupinlärning
  2. 2Varför neurala nätverk slår handkodade egenskaper
  3. 3När djupinlärning fungerar bäst (och när det inte gör det)
  4. +1 till
Börja lära dig gratis
2

A14 lektionerPRO

Installera PyTorch, kör på CPU eller GPU och bekräfta att er miljö fungerar.

  1. 1Installera PyTorch och verifiera importen
  2. 2CPU kontra GPU kontra MPS: välj en enhet
  3. 3Anteckningsböcker, skript och reproducerbara slumpfrön
  4. +1 till
Börja lära dig gratisLås upp med PRO
3

A14 lektionerPRO

Skapa, forma om och utför beräkningar med PyTorch-tensorer med självförtroende.

  1. 1Former, dtype och indexering
  2. 2Reshape, view, squeeze och unsqueeze
  3. 3Broadcasting-regler som sparar loopar
  4. +1 till
Börja lära dig gratisLås upp med PRO
4

A14 lektionerPRO

Ersätt Python-loopar med snabba vektoriserade tensoroperationer.

  1. 1Varför loopar är långsamma för matematik
  2. 2Elementvisa operationer och reduktioner
  3. 3Multiplicera matriser med matmul och @
  4. +1 till
Börja lära dig gratisLås upp med PRO
5

A14 lektionerPRO

Bygg en enda neuron och se den rita en beslutsgräns.

  1. 1Vikter, bias och den viktade summan
  2. 2Stegfunktionen och linjära beslut
  3. 3Koda en perceptron från grunden
  4. +1 till
Börja lära dig gratisLås upp med PRO
6

A24 lektionerPRO

Välj ReLU, sigmoid, tanh och softmax för rätt användningsområde.

  1. 1Varför icke-linearitet frigör verklig kraft
  2. 2ReLU och dess leaky- och GELU-släktingar
  3. 3Sigmoid och tanh: pressa ihop till ett intervall
  4. +1 till
Börja lära dig gratisLås upp med PRO
7

A24 lektionerPRO

Förstå hur en modell rullar nedför mot en lägre förlust.

  1. 1Förlust som ett landskap att ta sig nedför
  2. 2Gradienter pekar uppåt – ta därför steget åt andra hållet
  3. 3Inlärningshastighet: för stor, för liten eller precis rätt
  4. +1 till
Börja lära dig gratisLås upp med PRO
8

A24 lektionerPRO

Använd requires_grad och backward() för att beräkna gradienter automatiskt.

  1. 1requires_grad och beräkningsgrafen
  2. 2Anropa backward() för att få gradienter
  3. 3Läsa och nollställa .grad
  4. +1 till
Börja lära dig gratisLås upp med PRO
9

A24 lektionerPRO

Definiera, instansiera och kör ett feedforward-nätverk i PyTorch.

  1. 1Ärv från nn.Module: __init__ och forward
  2. 2Stapla linjära lager
  3. 3nn.Sequential för snabba modeller
  4. +1 till
Börja lära dig gratisLås upp med PRO
10

A24 lektionerPRO

Träna ett litet nätverk från början till slut och mät dess träffsäkerhet.

  1. 1Framåtpass, förlust, bakåtpass och steg
  2. 2Skriv en minimal träningsloop
  3. 3Följ noggrannheten under träningen
  4. +1 till
Börja lära dig gratisLås upp med PRO
11

B14 lektionerPRO

Följ hur fel fortplantas bakåt för att uppdatera varje vikt.

  1. 1Kedjeregeln lager för lager
  2. 2Framåtpasset cachar, bakåtpasset återanvänder
  3. 3Gör backprop för ett litet nätverk för hand
  4. +1 till
Börja lära dig gratisLås upp med PRO
12

B14 lektionerPRO

Välj rätt förlustfunktion för regressionsproblem samt binära problem och problem med flera klasser.

  1. 1MSE och MAE för regression
  2. 2Binär cross-entropy med logits
  3. 3Cross-entropy för flerk lassklassificering
  4. +1 till
Börja lära dig gratisLås upp med PRO
13

B14 lektionerPRO

Finjustera SGD, momentum och Adam för snabbare och stabilare träning.

  1. 1SGD med momentum
  2. 2Adam och AdamW förklarade
  3. 3Weight decay kontra L2-regularisering
  4. +1 till
Börja lära dig gratisLås upp med PRO
14

B14 lektionerPRO

Lägg till validering, kontrollpunkter och mätvärden i en loop av produktionskvalitet.

  1. 1Dela upp träning, validering och test
  2. 2En epoch-loop med validering
  3. 3Spara och läs in med state_dict
  4. +1 till
Börja lära dig gratisLås upp med PRO
15

B14 lektionerPRO

Mata data effektivt med anpassade Datasets och batchade DataLoaders.

  1. 1Skriv en anpassad Dataset-klass
  2. 2Batchning, blandning och num_workers
  3. 3collate_fn för indata med varierande längd
  4. +1 till
Börja lära dig gratisLås upp med PRO
16

B14 lektionerPRO

Diagnostisera överanpassning och tillämpa dropout, dataaugmentering och normer.

  1. 1Tolka gapet mellan träning och validering
  2. 2Dropout: släpp neuroner slumpmässigt
  3. 3Batch Norm och Layer Norm
  4. +1 till
Börja lära dig gratisLås upp med PRO
17

B14 lektionerPRO

Bygg ett CNN som lär sig visuella egenskaper från råa pixlar.

  1. 1Konvolution: kärnor glider över pixlar
  2. 2Stride, padding och pooling
  3. 3Kanaler, feature maps och receptiva fält
  4. +1 till
Börja lära dig gratisLås upp med PRO
18

B14 lektionerPRO

Förstå LeNet till ResNet och idéerna som gjorde nätverken djupare.

  1. 1LeNet och AlexNet: de första framgångarna
  2. 2VGG: staplar av små filter
  3. 3ResNet: skip connections går på djupet
  4. +1 till
Börja lära dig gratisLås upp med PRO
19

B14 lektionerPRO

Modellera ordnade data med rekurrenta nätverk och grindat minne.

  1. 1Varför sekvenser behöver minne
  2. 2Den vanliga RNN-cellen
  3. 3LSTM- och GRU-grindar
  4. +1 till
Börja lära dig gratisLås upp med PRO
20

B14 lektionerPRO

Omvandla ord till täta vektorer som ett nätverk kan lära sig av.

  1. 1Tokenisera och bygg ett ordförråd
  2. 2nn.Embedding: inlärningsbara ordvektorer
  3. 3Varför embeddingar fångar betydelse
  4. +1 till
Börja lära dig gratisLås upp med PRO
21

B24 lektionerPRO

Implementera self-attention och sätt samman ett transformerblock.

  1. 1Self-attention: query, key och value
  2. 2Skalad skalärprodukt och multi-head
  3. 3Positionskodning för ordning
  4. +1 till
Börja lära dig gratisLås upp med PRO
22

B24 lektionerPRO

Anpassa förtränade modeller till er uppgift med lite data.

  1. 1Frys backbone och träna huvudet
  2. 2Finjustera med lägre inlärningshastighet
  3. 3Differentierade lagervisa hastigheter
  4. +1 till
Börja lära dig gratisLås upp med PRO
23

B24 lektionerPRO

Komprimera och återskapa data för att lära er användbara latenta koder.

  1. 1Encoder, bottleneck och decoder
  2. 2Brusreducerande autoencoders
  3. 3Variational autoencoders och det latenta rummet
  4. +1 till
Börja lära dig gratisLås upp med PRO
24

B24 lektionerPRO

Träna en generator och en diskriminator för att skapa nya bilder.

  1. 1Generator kontra discriminator: spelet
  2. 2Den adversariella förlusten
  3. 3Bygg en DCGAN
  4. +1 till
Börja lära dig gratisLås upp med PRO
25

B24 lektionerPRO

Förstå hur diffusionsmodeller brusreducerar sig fram till nya sampel.

  1. 1Framåtriktad brusning och omvänd brusreducering
  2. 2Förutsäg bruset med ett U-Net
  3. 3Samplingsscheman och vägledning
  4. +1 till
Börja lära dig gratisLås upp med PRO
26

B24 lektionerPRO

Snabba upp träningen med AMP, profilering och metoder för GPU-minne.

  1. 1Blandad precision med autocast och GradScaler
  2. 2Gradientackumulering för stora batcher
  3. 3Profilera flaskhalsen
  4. +1 till
Börja lära dig gratisLås upp med PRO
27

B24 lektionerPRO

Träna över flera GPU:er med DataParallel och DDP.

  1. 1Data- kontra modellparallellism
  2. 2Grunderna i DistributedDataParallel
  3. 3Synkroniserad Batch Norm och shardat tillstånd
  4. +1 till
Börja lära dig gratisLås upp med PRO
28

B24 lektionerPRO

Mät modeller på ett rättvist sätt och tolka varför de gör sina förutsägelser.

  1. 1Precision, recall, F1 och ROC-AUC
  2. 2Förväxlingsmatriser och felanalys
  3. 3Grad-CAM: se vad modellen tittar på
  4. +1 till
Börja lära dig gratisLås upp med PRO
29

B24 lektionerPRO

Exportera, optimera och tillgängliggör en tränad modell bakom ett API.

  1. 1TorchScript och torch.compile
  2. 2Exportera till ONNX
  3. 3Kvantisering för mindre och snabbare modeller
  4. +1 till
Börja lära dig gratisLås upp med PRO
30

B24 lektionerPRO

Spåra, versionshantera och övervaka modeller som ett produktionsteam.

  1. 1Följ experiment med Weights & Biases
  2. 2Versionshantera data och modeller
  3. 3Upptäck data- och modelldrift
  4. +1 till
Börja lära dig gratisLås upp med PRO
CoddyKit PRO

Lås upp alla 30 kurser i den här lärvägen och alla andra lärvägar

AI-handledare, certifieringsprov och certifikat. Fungerar på webben, iOS och Android.

Se alla abonnemang
Årsvis$29.90 / årCirka $2.49 i månadenBetala en gångLivstid$69.99 en gångInga förnyelser. PRO för alltid.
Kursöversikt

Deep learning med Python

Bemästra deep learning med PyTorch, från neuroner och backpropagation till moderna arkitekturer. Det här spåret omfattar 30 progressiva minikurser från nybörjarnivå (A1) till avancerad nivå (B2), med korta, fokuserade lektioner och snabba kunskapstest som hjälper er att befästa varje koncept.

Det här får ni lära er

Börja med tensorer, perceptronen, aktiveringsfunktioner och autograd och bygg och träna sedan neurala nätverk. Gå vidare till CNN:er, RNN:er, Transformers och attention, transfer learning, GAN:er, diffusionsmodeller, distribuerad träning och MLOps i produktion. Varje lektion är praktiskt inriktad, med en AI-handledare tillgänglig dygnet runt när ni kör fast.

Så fungerar det

Varje kurs är uppdelad i fyra fokuserade lektioner i lagom stora delar. Genomför några lektioner om dagen så behärskar ni hela spåret på veckor i stället för månader.

Verktyg

Öva med AI – läs inte bara

Ta lärandet till nästa nivå med AI-drivna verktyg och funktioner

AI-chattChatta med AI-handledarenStäll en superfrågaFå svar på expertnivåPROSkapa lektionAI-driven lektionsskaparePROPåbörja certifieringsprovetFå ditt certifikatPROStarta utmaningTesta dina kunskaper

Så lär du dig

  1. 01

    Interaktiva lektioner

    Praktiska kodövningar med feedback i realtid

  2. 02

    AI-handledare

    Få omedelbar hjälp av vår AI när du kör fast

  3. 03

    Inbyggd kodredigerare

    Skriv och kör kod direkt i webbläsaren

  4. 04

    Certifikat

    Få ett certifikat när du slutför kursen

Fortsätt utforska

Relaterade lärvägar

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

Vanliga frågor

Är kursen i Deep Learning Academy gratis?

Ja. Ni kan börja kursen i Deep Learning Academy gratis och genomföra de interaktiva lektionerna utan kostnad. Med en valfri PRO-prenumeration får Ni tillgång till avancerade AI-verktyg och ett certifikat som kan delas.

Behöver jag tidigare erfarenhet för att lära mig Python?

Nej. Kursen börjar med grunderna och går stegvis vidare till mer avancerade ämnen, så Ni kan börja även utan tidigare erfarenhet av Python.

Hur lär jag mig Python på CoddyKit?

Ni lär Er genom att göra. Korta interaktiva lektioner kombinerar tydliga förklaringar med praktiska kodövningar som körs i realtid, och en AI-handledare som är tillgänglig dygnet runt ger personlig hjälp när Ni kör fast.

Får jag ett certifikat när jag har slutfört Deep Learning Academy?

Ja. PRO-användare kan göra ett prov och få ett delbart intyg på att de har slutfört kursen i Deep Learning Academy, med en verifierbar kod.

Kan jag lära mig Python i mobilen?

Ja. CoddyKit finns på webben och som inbyggda iOS- och Android-appar, så Ni kan lära Er Python på valfri enhet och synkronisera Era framsteg mellan dem.

Vad kostar CoddyKit PRO?

Den första kursen i Deep Learning Academy är gratis. CoddyKit PRO låser upp alla kurser: $5.90 per vecka, $7.90 per månad, $29.90 per år eller $69.99 en gång för livstidsåtkomst utan förnyelser.

Hur lång tid tar det att slutföra Deep Learning Academy?

Deep Learning Academy har 30 kurser och 120 lektioner. De flesta lektioner tar cirka 5–10 minuter, så hela lärvägen motsvarar ungefär 14 timmars praktisk övning i egen takt.

Börja med Deep Learning Academy nu

Anslut Er till tusentals deltagare som lär sig programmering med AI-drivna lektioner.

Börja lära dig gratisBläddra bland alla kurser