Corso
Introduzione al Deep Learning con PyTorch
IntermedioLivello di competenza
Aggiornato 01/2026Inizia Il Corso Gratis
Incluso conPremium or Team
PyTorchArtificial Intelligence4 h16 video49 Esercizi3,900 XP79,755Attestato di conseguimento
Crea il tuo account gratuito
o
Continuando, accetti i nostri Termini di utilizzo, la nostra Informativa sulla privacy e che i tuoi dati siano conservati negli Stati Uniti.Preferito dagli studenti di migliaia di aziende
Vuoi formare 2 o più persone?
Prova DataCamp for BusinessDescrizione del corso
Capire il potere del Deep Learning
Il deep learning è ovunque: nelle fotocamere degli smartphone, negli assistenti vocali e nelle auto a guida autonoma. Ha persino aiutato a scoprire le strutture delle proteine e a battere gli esseri umani nel gioco del Go. Scopri questa tecnologia super potente e impara a usarla con PyTorch, una delle librerie di deep learning più famose.Allena la tua prima rete neurale
Prima di tutto, vediamo la differenza tra deep learning e il "classico" machine learning. Imparerai come funziona l'addestramento di una rete neurale e come scrivere un ciclo di addestramento. Per farlo, creerai delle funzioni di perdita per i problemi di regressione e classificazione e userai PyTorch per calcolarne le derivate.Dai un'occhiata al tuo modello e vedi se puoi migliorarlo.
Nella seconda parte, scoprirai i vari iperparametri che puoi sistemare per migliorare il tuo modello. Dopo aver capito come funzionano le diverse parti di una rete neurale, potrai creare architetture più grandi e complesse. Per vedere come va il tuo modello, userai TorchMetrics, una libreria PyTorch per valutare i modelli.Una volta finito, potrai usare PyTorch per risolvere problemi di classificazione e regressione su dati tabulari e immagini usando il deep learning. Una competenza fondamentale per i professionisti esperti nel campo dei dati che vogliono dare una spinta alla loro carriera.
Prerequisiti
Supervised Learning with scikit-learnIntroduction to NumPyPython Toolbox1
Introduction to PyTorch, a Deep Learning Library
Self-driving cars, smartphones, search engines... Deep learning is now everywhere. Before you begin building complex models, you will become familiar with PyTorch, a deep learning framework. You will learn how to manipulate tensors, create PyTorch data structures, and build your first neural network in PyTorch with linear layers.
2
Neural Network Architecture and Hyperparameters
To train a neural network in PyTorch, you will first need to understand additional components, such as activation and loss functions. You will then realize that training a network requires minimizing that loss function, which is done by calculating gradients. You will learn how to use these gradients to update your model's parameters.
3
Training a Neural Network with PyTorch
Now that you've learned the key components of a neural network, you'll train one using a training loop. You'll explore potential issues like vanishing gradients and learn strategies to address them, such as alternative activation functions and tuning learning rate and momentum.
4
Evaluating and Improving Models
Training a deep learning model is an art, and to make sure our model is trained correctly, we need to keep track of certain metrics during training, such as the loss or the accuracy. We will learn how to calculate such metrics and how to reduce overfitting.
Introduzione al Deep Learning con PyTorch
Corso completato
Ottieni Attestato di conseguimento
Aggiungi questa certificazione al tuo profilo LinkedIn, al curriculum o al CVCondividila sui social e nella valutazione delle tue performance
Incluso conPremium or Team
Iscriviti OraUnisciti a oltre 19 milioni di studenti e inizia Introduzione al Deep Learning con PyTorch oggi!
Crea il tuo account gratuito
o
Continuando, accetti i nostri Termini di utilizzo, la nostra Informativa sulla privacy e che i tuoi dati siano conservati negli Stati Uniti.