Курс
Введение в глубокое обучение с PyTorch
Средний уровеньУровень навыков
Обновлено 01.2026
PyTorchArtificial Intelligence4 ч16 видео49 Упражнений3,900 XP85,880Справка об успешном завершении
Создать бесплатный аккаунт
Продолжить через GoogleПоказать больше вариантовили
Продолжая, вы принимаете наши Условия использования, нашу Политику конфиденциальности и соглашаетесь с тем, что ваши данные хранятся в США.
Любимая обучающимися из тысяч компаний
Обучаете команду?
Попробуйте для бизнесаОписание курса
Понимание силы глубокого обучения
Глубокое обучение повсюду: в камерах смартфонов, голосовых помощниках и беспилотных автомобилях. Это даже помогло открыть структуры белков и обыграть людей в игре го. Откройте для себя эту мощную технологию и узнайте, как использовать её с помощью PyTorch — одной из самых популярных библиотек глубокого обучения.Обучите свою первую нейронную сеть
Сначала разберитесь в различиях между deep learning и «классическим» machine learning. Вы узнаете о процессе обучения нейронной сети и о том, как написать цикл обучения. Для этого вы создадите функции потерь для задач регрессии и классификации и будете использовать PyTorch для вычисления их производных.Оцените и улучшите свою модель
Во второй части вы узнаете о различных гиперпараметрах, которые можно настраивать для улучшения вашей модели. После изучения различных компонентов нейронной сети вы сможете создавать более крупные и сложные архитектуры. Чтобы оценить производительность вашей модели, вы будете использовать TorchMetrics — библиотеку PyTorch для оценки моделей.По завершении курса вы сможете использовать PyTorch для решения задач классификации и регрессии как на табличных данных, так и на изображениях с помощью глубокого обучения. Ключевая компетенция для опытных специалистов по данным, стремящихся развивать свою карьеру.
Необходимые условия
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.
Введение в глубокое обучение с PyTorch
Курс завершён
Получить сертификат об окончании
Добавьте эту квалификацию в профиль LinkedIn, резюме или CVПоделитесь в социальных сетях и в обзоре эффективностиЗаписаться сейчас
Присоединяйтесь к более чем 19 миллионам обучающихся и начните Введение в глубокое обучение с PyTorch уже сегодня!
Создать бесплатный аккаунт
Продолжить через GoogleПоказать больше вариантовили
Продолжая, вы принимаете наши Условия использования, нашу Политику конфиденциальности и соглашаетесь с тем, что ваши данные хранятся в США.
Развивайте свои навыки работы с данными с помощью DataCamp для мобильных устройств.
Успевайте в обучении на ходу с помощью наших мобильных курсов и ежедневных 5-минутных заданий по программированию.