PyTorch:深度学习和人工智能
用于计算机视觉、时间序列预测、NLP、GAN、强化学习等的神经网络!
讲师:Lazy Programmer Team
口袋资源独家Udemy付费课程,独家中英文字幕,配套资料齐全!
用不到1/10的价格,即可享受同样的高品质课程,且可以完全拥有,随时随地都可以任意观看和分享。
你将会学到的
- 人工神经网络 (ANN) / 深度神经网络 (DNN)
- 预测股票收益
- 时间序列预测
- 计算机视觉
- 如何构建深度强化学习股票交易机器人
- GAN(生成对抗网络)
- 推荐系统
- 图像识别
- 卷积神经网络 (CNN)
- 递归神经网络 (RNN)
- 具有深度学习的自然语言处理 (NLP)
- 使用代码演示摩尔定律
- 迁移学习以创建最先进的图像分类器
要求
- 知道如何用 Python 和 Numpy 编写代码
- 对于理论部分(可选),了解导数和概率
说明
欢迎来到 PyTorch:深度学习和人工智能!
尽管 Google 的深度学习库Tensorflow在过去几年中广受欢迎,但PyTorch一直是全球专业人士和研究人员在深度学习和人工智能方面的首选库。
Tensorflow 是否有可能仅仅因为谷歌流行并且使用了有效的营销方式而流行?
为什么 Tensorflow 在版本 1 和版本 2 之间变化如此之大?它是否存在严重缺陷,是否仍然存在潜在问题?
鲜为人知的是,PyTorch 得到了另一家互联网巨头Facebook(特别是Facebook AI Research Lab – FAIR)的支持。因此,如果你想要一个由价值数十亿美元的公司和大量社区支持的流行深度学习库,那么 PyTorch 不会出错。也许这是一个好处,当它进入下一个版本时,库不会完全破坏你所有的旧代码。;)
另一方面,众所周知,所有顶级 AI 商店(例如OpenAI、Apple 和 JPMorgan Chase)都使用 PyTorch。OpenAI 最近刚刚在 2020 年切换到 PyTorch,这是 PyTorch 正在加速发展的强烈迹象。
如果你是专业人士,你会很快意识到使用 PyTorch 构建和测试新想法非常容易,而在其他尝试为你做所有事情的库中可能会非常困难。哦,它更快。
深度学习最近取得了一些惊人的成就,例如:
- 生成美丽、逼真的人物和事物图像(GAN)
- 在战略游戏围棋以及 CS:GO 和 Dota 2(深度强化学习)等复杂电子游戏中击败世界冠军
- 自动驾驶汽车(计算机视觉)
- 语音识别(例如 Siri)和机器翻译(自然语言处理)
- 甚至制作人们做和说他们从未做过的事情的视频(DeepFakes – 深度学习的潜在邪恶应用)
本课程适用于从初级到专家级的学生。怎么会这样?
如果你刚刚学习了我的免费 Numpy 先决条件,那么你就知道了所有需要的东西。我们将从一些非常基本的机器学习模型开始,然后进入最先进的概念。
在此过程中,你将了解所有主要的深度学习架构,例如深度神经网络、卷积神经网络(图像处理)和循环神经网络(序列数据)。
目前的项目包括:
- 自然语言处理 (NLP)
- 推荐系统
- 计算机视觉的迁移学习
- 生成对抗网络 (GAN)
- 深度强化学习股票交易机器人
即使你已经学习了我以前的所有课程,你仍然会学习如何转换你以前的代码以便它使用 PyTorch,并且本课程中有全新的和从未见过的项目,例如时间序列预测以及如何进行股票预测。
本课程是为想要快速学习的学生设计的,但也有一些“深入”的部分,以防你想更深入地研究理论(比如什么是损失函数,不同类型的梯度是什么?下降方法)。
我采用的方法是,即使你对数学概念不是 100% 满意,你仍然可以这样做!在本课程中,我们更多地关注 PyTorch 库,而不是推导任何数学方程。我已经有大量的课程,所以没有必要在这里重复。
教员注:本课程侧重于广度而不是深度,较少的理论有利于构建更酷的东西。如果你正在寻找理论更密集的课程,那就不是了。一般来说,对于每个主题(推荐系统、自然语言处理、强化学习、计算机视觉、GAN 等),我已经开设了专门针对这些主题的课程。
感谢你的阅读,我们课堂上见!
我应该按什么顺序上课?:
- 查看讲座“机器学习和 AI 先决条件路线图”(可在我的任何课程的常见问题解答中找到,包括免费的 Numpy 课程)
此课程面向哪些人:
- 想要在 PyTorch 中学习深度学习和 AI 的初学者到高级学生
评论(4)
配套的代码资料没有包含!
请你仔细把文件夹的内容看完,再来评论
是我粗心,实在不好意思,但是文件里附带的代码资料全都在google drive里,没有权限无法访问啊。
等下一版更新