āļ‚āđ‰āļēāļĄāđ„āļ›āļĒāļąāļ‡āđ€āļ™āļ·āđ‰āļ­āļŦāļēāļŦāļĨāļąāļ

āļ„āļ­āļĢāđŒāļŠ Deep Learning āļ—āļĩāđˆāļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”āđƒāļ™āļ›āļĩ 2026

āđ€āļ›āļĢāļĩāļĒāļšāđ€āļ—āļĩāļĒāļšāļ„āļ­āļĢāđŒāļŠ deep learning āļ—āļĩāđˆāļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”āļŠāļģāļŦāļĢāļąāļšāļœāļđāđ‰āđ€āļĢāļīāđˆāļĄāļ•āđ‰āļ™ āļ—āļĪāļĐāļŽāļĩ āļ„āļ­āļĄāļžāļīāļ§āđ€āļ•āļ­āļĢāđŒāļ§āļīāļ—āļąāļĻāļ™āđŒ transformers Hugging Face āđāļĨāļ°āļāļēāļĢāđ€āļ—āļĢāļ™āđ‚āļĄāđ€āļ”āļĨāļ‚āļ™āļēāļ”āđƒāļŦāļāđˆ āļžāļĢāđ‰āļ­āļĄāđ€āļĢāļ•āļ•āļīāđ‰āļ‡āļĒāļ·āļ™āļĒāļąāļ™āđāļĨāļ°āļˆāļģāļ™āļ§āļ™āļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™

āļŠāļĢāđ‰āļēāļ‡āļšāļąāļāļŠāļĩāļŸāļĢāļĩāļ‚āļ­āļ‡āļ„āļļāļ“

āļāļķāļāļāļ™āđāļĨāļ°āļ•āļĢāļ§āļˆāļŠāļ­āļšāļ„āļ§āļēāļĄāļāđ‰āļēāļ§āļŦāļ™āđ‰āļēāļ‚āļ­āļ‡āļ„āļļāļ“

āļ”āļģāđ€āļ™āļīāļ™āļāļēāļĢāļ•āđˆāļ­āļ”āđ‰āļ§āļĒ Googleāđ€āļĄāļ·āđˆāļ­āļ”āļģāđ€āļ™āļīāļ™āļāļēāļĢāļ•āđˆāļ­ āļ–āļ·āļ­āļ§āđˆāļēāļ„āļļāļ“āļĒāļ­āļĄāļĢāļąāļš āļ‚āđ‰āļ­āļāļģāļŦāļ™āļ”āļāļēāļĢāđƒāļŠāđ‰āļ‡āļēāļ™āđāļĨāļ° āļ™āđ‚āļĒāļšāļēāļĒāļ„āļ§āļēāļĄāđ€āļ›āđ‡āļ™āļŠāđˆāļ§āļ™āļ•āļąāļ§ āđāļĨāļ°āļĒāļ­āļĄāļĢāļąāļšāļ§āđˆāļēāļ‚āđ‰āļ­āļĄāļđāļĨāļ‚āļ­āļ‡āļ„āļļāļ“āļˆāļ°āļ–āļđāļāļˆāļąāļ”āđ€āļāđ‡āļšāđƒāļ™āļŠāļŦāļĢāļąāļāļ­āđ€āļĄāļĢāļīāļāļē

Deep learning āļ„āļ·āļ­āđāļ‚āļ™āļ‡āļ‚āļ­āļ‡āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļ—āļĩāđˆāļ­āļĒāļđāđˆāđ€āļšāļ·āđ‰āļ­āļ‡āļŦāļĨāļąāļ‡āļāļēāļĢāļĢāļđāđ‰āļˆāļģāļ āļēāļž āđ‚āļĄāđ€āļ”āļĨāļŠāļąāļ‡āđ€āļ„āļĢāļēāļ°āļŦāđŒāđ€āļŠāļĩāļĒāļ‡ āđāļĨāļ°āđ‚āļĄāđ€āļ”āļĨāļ āļēāļĐāļēāļ‚āļ™āļēāļ”āđƒāļŦāļāđˆāđƒāļ™āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļĄāļ·āļ­āļ­āļĒāđˆāļēāļ‡ ChatGPT āđ‚āļ”āļĒāļāļķāļāļāļ™āđ‚āļ„āļĢāļ‡āļ‚āđˆāļēāļĒāļ›āļĢāļ°āļŠāļēāļ—āđ€āļ—āļĩāļĒāļĄāļ—āļĩāđˆāļĄāļĩāļŦāļĨāļēāļĒāļŠāļąāđ‰āļ™āđƒāļŦāđ‰āļ„āđ‰āļ™āļŦāļēāļĢāļđāļ›āđāļšāļšāđƒāļ™āļ‚āđ‰āļ­āļĄāļđāļĨāļ‹āļķāđˆāļ‡āđ‚āļĄāđ€āļ”āļĨāļ—āļĩāđˆāļ‡āđˆāļēāļĒāļāļ§āđˆāļēāļĄāļ­āļ‡āđ„āļĄāđˆāđ€āļŦāđ‡āļ™

āļŠāļīāđˆāļ‡āļ—āļĩāđˆāļĒāļēāļāļ„āļ·āļ­āļāļēāļĢāđ€āļĨāļ·āļ­āļāļˆāļļāļ”āđ€āļĢāļīāđˆāļĄāļ•āđ‰āļ™ āļšāļēāļ‡āļ„āļ­āļĢāđŒāļŠāđ€āļ™āđ‰āļ™āļ„āļ“āļīāļ•āļĻāļēāļŠāļ•āļĢāđŒāđ€āļ›āđ‡āļ™āļŦāļĨāļąāļ āļšāļēāļ‡āļ„āļ­āļĢāđŒāļŠāđ€āļ™āđ‰āļ™āđ‚āļ„āđ‰āļ”āđ€āļ›āđ‡āļ™āļŦāļĨāļąāļ āđāļĨāļ°āļ­āļĩāļāļŦāļĨāļēāļĒāļ„āļ­āļĢāđŒāļŠāļĒāļąāļ‡āļŠāļ­āļ™āđ„āļĨāļšāļĢāļēāļĢāļĩāđāļĨāļ°āđ€āļ—āļ„āļ™āļīāļ„āļ—āļĩāđˆāđāļ§āļ”āļ§āļ‡āđ„āļ”āđ‰āļāđ‰āļēāļ§āļœāđˆāļēāļ™āđ„āļ›āđāļĨāđ‰āļ§

āļĨāļīāļŠāļ•āđŒāļ™āļĩāđ‰āļ„āļąāļ”āđ€āļĨāļ·āļ­āļāļ„āļ­āļĢāđŒāļŠ deep learning āļ—āļĩāđˆāļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”āļŠāļģāļŦāļĢāļąāļšāļœāļđāđ‰āđ€āļĢāļīāđˆāļĄāļ•āđ‰āļ™ āļŠāļģāļŦāļĢāļąāļšāļ—āļĪāļĐāļŽāļĩ āļŠāļģāļŦāļĢāļąāļšāļ„āļ­āļĄāļžāļīāļ§āđ€āļ•āļ­āļĢāđŒāļ§āļīāļ—āļąāļĻāļ™āđŒ āļŠāļģāļŦāļĢāļąāļšāđ‚āļĄāđ€āļ”āļĨāļ āļēāļĐāļē āļŠāļģāļŦāļĢāļąāļš Hugging Face āđāļĨāļ°āļŠāļģāļŦāļĢāļąāļšāļāļēāļĢāđ€āļ—āļĢāļ™āđ‚āļĄāđ€āļ”āļĨāļ‚āļ™āļēāļ”āđƒāļŦāļāđˆ

āļ•āļĢāļ§āļˆāļŠāļ­āļšāđ€āļĢāļ•āļ•āļīāđ‰āļ‡ āļĢāļĩāļ§āļīāļ§ āđāļĨāļ°āļˆāļģāļ™āļ§āļ™āļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™āļĨāđˆāļēāļŠāļļāļ”āđ€āļĄāļ·āđˆāļ­

āđ€āļ›āļĢāļĩāļĒāļšāđ€āļ—āļĩāļĒāļšāļ„āļ­āļĢāđŒāļŠ Deep Learning āļ—āļĩāđˆāļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”

āļ āļēāļžāļĢāļ§āļĄāļ„āļ­āļĢāđŒāļŠ deep learning āļ‚āļ­āļ‡āđ€āļĢāļē āļĒāļ·āļ™āļĒāļąāļ™āđ€āļĢāļ•āļ•āļīāđ‰āļ‡āđāļĨāļ°āļˆāļģāļ™āļ§āļ™āļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™āđ€āļĄāļ·āđˆāļ­ 2026-10-12
āļ„āļ­āļĢāđŒāļŠāđ€āļĢāļ•āļ•āļīāđ‰āļ‡āļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™āđ€āļ§āļĨāļēāļĢāļ°āļ”āļąāļš
Introduction to Deep Learning with PyTorch
āļ„āļ­āļĢāđŒāļŠ deep learning āđāļĢāļāļ—āļĩāđˆāļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”
4.8/5 (5,032)92K4 āļŠāļĄ.āļĢāļ°āļ”āļąāļšāļāļĨāļēāļ‡
Intermediate Deep Learning with PyTorch
āļāđ‰āļēāļ§āļ–āļąāļ”āđ„āļ›āļŦāļĨāļąāļ‡āļžāļ·āđ‰āļ™āļāļēāļ™
4.8/5 (2,387)30K4 āļŠāļĄ.āļĢāļ°āļ”āļąāļšāļāļĨāļēāļ‡
Deep Learning for Images with PyTorch
āļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”āļŠāļģāļŦāļĢāļąāļšāļ„āļ­āļĄāļžāļīāļ§āđ€āļ•āļ­āļĢāđŒāļ§āļīāļ—āļąāļĻāļ™āđŒ
4.8/5 (857)14K4 āļŠāļĄ.āļĢāļ°āļ”āļąāļšāļŠāļđāļ‡
Deep Learning for Text with PyTorch
āļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”āļŠāļģāļŦāļĢāļąāļšāļ‡āļēāļ™āļ‚āđ‰āļ­āļ„āļ§āļēāļĄ
4.8/5 (846)11K4 āļŠāļĄ.āļĢāļ°āļ”āļąāļšāļŠāļđāļ‡
Transformer Models with PyTorch
āļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”āļŠāļģāļŦāļĢāļąāļš transformers
4.8/5 (977)9.2K2 āļŠāļĄ.āļĢāļ°āļ”āļąāļšāļŠāļđāļ‡
Introduction to LLMs in Python
āļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”āļŠāļģāļŦāļĢāļąāļšāđ‚āļĄāđ€āļ”āļĨāļ āļēāļĐāļē
4.8/5 (1,970)37K3 āļŠāļĄ.āļĢāļ°āļ”āļąāļšāļāļĨāļēāļ‡
Working with Hugging Face
āļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”āļŠāļģāļŦāļĢāļąāļšāđ‚āļĄāđ€āļ”āļĨāļŠāļģāđ€āļĢāđ‡āļˆāļĢāļđāļ›
4.8/5 (6,519)39K2 āļŠāļĄ.āļĢāļ°āļ”āļąāļšāļ•āđ‰āļ™
Image Modeling with Keras
āļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”āļŠāļģāļŦāļĢāļąāļšāļœāļđāđ‰āđƒāļŠāđ‰ Keras
āļĢāļĩāļ§āļīāļ§āļ™āđ‰āļ­āļĒāļāļ§āđˆāļē 200 āļĢāļēāļĒāļāļēāļĢ40K4 āļŠāļĄ.āļĢāļ°āļ”āļąāļšāļŠāļđāļ‡
Efficient AI Model Training with PyTorch
āļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”āļŠāļģāļŦāļĢāļąāļšāđ‚āļĄāđ€āļ”āļĨāļ‚āļ™āļēāļ”āđƒāļŦāļāđˆ
āļĢāļĩāļ§āļīāļ§āļ™āđ‰āļ­āļĒāļāļ§āđˆāļē 200 āļĢāļēāļĒāļāļēāļĢ1.7K4 āļŠāļĄ.āļĢāļ°āļ”āļąāļšāļŠāļđāļ‡
Understanding Machine Learning
āļžāļ·āđ‰āļ™āļāļēāļ™āđāļšāļšāđ„āļĄāđˆāļ•āđ‰āļ­āļ‡āđ€āļ‚āļĩāļĒāļ™āđ‚āļ„āđ‰āļ”āļ—āļĩāđˆāļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”
4.8/5 (11,944)312K2 āļŠāļĄ.āļĢāļ°āļ”āļąāļšāļ•āđ‰āļ™

āļ„āļ§āļĢāđ€āļĢāļĩāļĒāļ™āļ„āļ­āļĢāđŒāļŠ Deep Learning āļ„āļ­āļĢāđŒāļŠāđ„āļŦāļ™?

āđ„āļĄāđˆāđ€āļ„āļĒāđ€āļ—āļĢāļ™āđ‚āļĄāđ€āļ”āļĨāđāļĄāļŠāļŠāļĩāļ™āđ€āļĨāļīāļĢāđŒāļ™āļ™āļīāļ‡āļĄāļēāļāđˆāļ­āļ™
āđ€āļĢāļīāđˆāļĄāļˆāļēāļāļ„āļ­āļĢāđŒāļŠ Understanding Machine Learning āļ‚āļ­āļ‡āđ€āļĢāļē āđƒāļŠāđ‰āđ€āļ§āļĨāļē 2 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡āđāļĨāļ°āđ„āļĄāđˆāļ•āđ‰āļ­āļ‡āđ€āļ‚āļĩāļĒāļ™āđ‚āļ„āđ‰āļ” āđāļĨāđ‰āļ§āļ•āđˆāļ­āļ”āđ‰āļ§āļĒ Introduction to Deep Learning with PyTorch.
āļĢāļđāđ‰ Python āđāļĨāļ°āļ­āļĒāļēāļāļŠāļĢāđ‰āļēāļ‡āđ‚āļ„āļĢāļ‡āļ‚āđˆāļēāļĒāļ›āļĢāļ°āļŠāļēāļ—āđ€āļ—āļĩāļĒāļĄ
āļ„āļ­āļĢāđŒāļŠ Introduction to Deep Learning with PyTorch āļ‚āļ­āļ‡āđ€āļĢāļē PyTorch āđ€āļ›āđ‡āļ™āđ€āļŸāļĢāļĄāđ€āļ§āļīāļĢāđŒāļāļ—āļĩāđˆāļ‡āļēāļ™āļ§āļīāļˆāļąāļĒāđāļĨāļ°āļ­āļļāļ•āļŠāļēāļŦāļāļĢāļĢāļĄāļŠāđˆāļ§āļ™āđƒāļŦāļāđˆāđƒāļŠāđ‰āđƒāļ™āļ›āļąāļˆāļˆāļļāļšāļąāļ™
āļ­āļĒāļēāļāđ€āļ‚āđ‰āļēāđƒāļˆāļ„āļ“āļīāļ•āļĻāļēāļŠāļ•āļĢāđŒāļ­āļĒāđˆāļēāļ‡āļ–āļđāļāļ•āđ‰āļ­āļ‡
Deep Learning Specialization āļ‚āļ­āļ‡ DeepLearning.AI āđ€āļ™āļ·āđ‰āļ­āļŦāļēāđ€āļĒāļ­āļ° āđāļĨāļ°āļ­āļ˜āļīāļšāļēāļĒāđ€āļŦāļ•āļļāļœāļĨāļ—āļĩāđˆāđ€āļ„āļĢāļ·āļ­āļ‚āđˆāļēāļĒāļ—āļģāļ‡āļēāļ™āđ„āļ”āđ‰ āđ„āļĄāđˆāđƒāļŠāđˆāđāļ„āđˆāļŠāļ­āļ™āļ§āļīāļ˜āļĩāļŠāļĢāđ‰āļēāļ‡
āļ­āļĒāļēāļāļ—āļģāļ‡āļēāļ™āļāļąāļšāļ āļēāļž
āļ„āļ­āļĢāđŒāļŠ Deep Learning for Images with PyTorch āļ‚āļ­āļ‡āđ€āļĢāļē āļŦāļĨāļąāļ‡āļˆāļšāļ„āļ­āļĢāđŒāļŠāļĢāļ°āļ”āļąāļšāļāļĨāļēāļ‡
āļ­āļĒāļēāļāđ€āļ‚āđ‰āļēāđƒāļˆāļ§āļīāļ˜āļĩāļ—āļģāļ‡āļēāļ™āļ‚āļ­āļ‡ LLMs
āļ„āļ­āļĢāđŒāļŠ Transformer Models with PyTorch āđ€āļžāļ·āđˆāļ­āļ›āļĢāļ°āļāļ­āļšāļ‚āļķāđ‰āļ™āļˆāļēāļāļŠāđˆāļ§āļ™āļ•āđˆāļēāļ‡āđ† āļŦāļĢāļ·āļ­ Introduction to LLMs in Python āđ€āļžāļ·āđˆāļ­āđƒāļŠāđ‰āđ‚āļĄāđ€āļ”āļĨāļŠāļģāđ€āļĢāđ‡āļˆāļĢāļđāļ›
āđ„āļĄāđˆāļ­āļĒāļēāļāđ€āļŠāļĩāļĒāļ„āđˆāļēāđƒāļŠāđ‰āļˆāđˆāļēāļĒ
Practical Deep Learning for Coders āļ‚āļ­āļ‡ fast.ai āļŸāļĢāļĩāđāļĨāļ°āļ„āļĢāļ­āļšāļ„āļĨāļļāļĄāļĄāļēāļāļāļ§āđˆāļēāļ„āļ­āļĢāđŒāļŠāđ€āļŠāļĩāļĒāđ€āļ‡āļīāļ™āļŠāđˆāļ§āļ™āđƒāļŦāļāđˆ

āļ„āļ­āļĢāđŒāļŠ Deep Learning āļ—āļĩāđˆāļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”āļŠāļģāļŦāļĢāļąāļšāļœāļđāđ‰āđ€āļĢāļīāđˆāļĄāļ•āđ‰āļ™

āļ„āļ­āļĢāđŒāļŠ deep learning āļŠāļģāļŦāļĢāļąāļšāļœāļđāđ‰āđ€āļĢāļīāđˆāļĄāļ•āđ‰āļ™āļ—āļĩāđˆāļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”āļˆāļ°āļžāļēāđƒāļŦāđ‰āđ€āļ—āļĢāļ™āđ‚āļ„āļĢāļ‡āļ‚āđˆāļēāļĒāļ›āļĢāļ°āļŠāļēāļ—āđ€āļ—āļĩāļĒāļĄāļ—āļĩāđˆāđƒāļŠāđ‰āļ‡āļēāļ™āđ„āļ”āđ‰āļˆāļĢāļīāļ‡āļ­āļĒāđˆāļēāļ‡āļĢāļ§āļ”āđ€āļĢāđ‡āļ§ āđāļĨāđ‰āļ§āļ„āđˆāļ­āļĒāļ­āļ˜āļīāļšāļēāļĒāļŠāļīāđˆāļ‡āļ—āļĩāđˆāđ€āļāļīāļ”āļ‚āļķāđ‰āļ™ āļ•āđ‰āļ­āļ‡āļĄāļĩāļžāļ·āđ‰āļ™āļāļēāļ™ Python āļŠāļģāļŦāļĢāļąāļš 3 āļ•āļąāļ§āđ€āļĨāļ·āļ­āļāļ™āļĩāđ‰ āļĒāļāđ€āļ§āđ‰āļ™āļ„āļ­āļĢāđŒāļŠāļžāļ·āđ‰āļ™āļāļēāļ™āđāļšāļšāđ„āļĄāđˆāļ•āđ‰āļ­āļ‡āđ€āļ‚āļĩāļĒāļ™āđ‚āļ„āđ‰āļ”āļ‚āļ­āļ‡āđ€āļĢāļē

1. Introduction to Deep Learning with PyTorch

āļ„āļ­āļĢāđŒāļŠ deep learning āļ—āļĩāđˆāļĄāļĩāļ„āļ™āđ€āļĢāļĩāļĒāļ™āļĄāļēāļāļ—āļĩāđˆāļŠāļļāļ”āļ‚āļ­āļ‡āđ€āļĢāļē āđāļĨāļ°āđ€āļ›āđ‡āļ™āļ„āļ­āļĢāđŒāļŠāđāļĢāļāđƒāļ™āđāļ—āļĢāđ‡āļ Deep Learning in Python

āđ€āļĢāļ•āļ•āļīāđ‰āļ‡
4.8/5
5,032 āļĢāļĩāļ§āļīāļ§
āļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™
92K
āļ•āļĨāļ­āļ”āđ€āļ§āļĨāļē
āļ­āļąāļ›āđ€āļ”āļ•
āļĄ.āļ„. 2026
āļ›āļĢāļąāļšāđ€āļ™āļ·āđ‰āļ­āļŦāļē
  • āļĢāļ°āļ”āļąāļš: āļĢāļ°āļ”āļąāļšāļāļĨāļēāļ‡
  • āđ€āļ§āļĨāļē: 4 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡
  • āļ„āđˆāļēāđƒāļŠāđ‰āļˆāđˆāļēāļĒ: āļĢāļ§āļĄāđƒāļ™āļŠāļĄāļēāļŠāļīāļ DataCamp āļšāļ—āđāļĢāļāđ€āļĢāļĩāļĒāļ™āļŸāļĢāļĩ
  • āđ€āļŦāļĄāļēāļ°āļŠāļģāļŦāļĢāļąāļš: āļœāļđāđ‰āđƒāļŠāđ‰ Python āļ—āļĩāđˆāļ­āļĒāļēāļāļŠāļĢāđ‰āļēāļ‡āđāļĨāļ°āđ€āļ—āļĢāļ™āđ‚āļ„āļĢāļ‡āļ‚āđˆāļēāļĒāļ›āļĢāļ°āļŠāļēāļ—āđ€āļ—āļĩāļĒāļĄāđāļĢāļ

āļ„āļ­āļĢāđŒāļŠāļ„āļĢāļ­āļšāļ„āļĨāļļāļĄāļŠāļ–āļēāļ›āļąāļ•āļĒāļāļĢāļĢāļĄāđ€āļ„āļĢāļ·āļ­āļ‚āđˆāļēāļĒ āđ„āļŪāđ€āļ›āļ­āļĢāđŒāļžāļēāļĢāļēāļĄāļīāđ€āļ•āļ­āļĢāđŒ āļ§āļ‡āļˆāļĢāļāļēāļĢāđ€āļ—āļĢāļ™ āļ•āļĨāļ­āļ”āļˆāļ™āļāļēāļĢāļ›āļĢāļ°āđ€āļĄāļīāļ™āđāļĨāļ°āļ›āļĢāļąāļšāļ›āļĢāļļāļ‡āđ‚āļĄāđ€āļ”āļĨāļŠāļģāļŦāļĢāļąāļšāļ‡āļēāļ™āļˆāļąāļ”āļ›āļĢāļ°āđ€āļ āļ—āđāļĨāļ°āļ–āļ”āļ–āļ­āļĒ āļĄāļĩāļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™ 92K āđāļĨāļ°āđƒāļŠāđ‰āđ€āļ§āļĨāļēāļ›āļĢāļ°āļĄāļēāļ“ 4 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡

āļ­āļąāļ›āđ€āļ”āļ•āđƒāļ™ āļĄ.āļ„. 2026 āđ‚āļ„āđ‰āļ” PyTorch āļˆāļķāļ‡āļŠāļ­āļ”āļ„āļĨāđ‰āļ­āļ‡āļāļąāļšāđ€āļ§āļ­āļĢāđŒāļŠāļąāļ™āļ›āļąāļˆāļˆāļļāļšāļąāļ™ āđāļ„āļ•āļ•āļēāļĨāđ‡āļ­āļāļ‚āļ­āļ‡āđ€āļĢāļēāļˆāļąāļ”āļĢāļ°āļ”āļąāļšāđ€āļ›āđ‡āļ™āļĢāļ°āļ”āļąāļšāļāļĨāļēāļ‡āđ€āļžāļĢāļēāļ°āļŠāļĄāļĄāļļāļ•āļīāđƒāļŦāđ‰āđ€āļ‚āļĩāļĒāļ™ Python āđ„āļ”āđ‰āđāļĨāđ‰āļ§

2. Understanding Machine Learning

āļ„āļ­āļĢāđŒāļŠāđāļ™āļ°āļ™āļģāđāļĄāļŠāļŠāļĩāļ™āđ€āļĨāļīāļĢāđŒāļ™āļ™āļīāļ‡āđāļšāļšāđ„āļĄāđˆāļ•āđ‰āļ­āļ‡āđ€āļ‚āļĩāļĒāļ™āđ‚āļ„āđ‰āļ”āļ‚āļ­āļ‡āđ€āļĢāļē āļ‹āļķāđˆāļ‡āđ€āļ›āđ‡āļ™āļžāļ·āđ‰āļ™āļāļēāļ™āļ—āļĩāđˆ deep learning āļ•āđˆāļ­āļĒāļ­āļ”āļˆāļēāļāļ•āļĢāļ‡āļ™āļĩāđ‰

āđ€āļĢāļ•āļ•āļīāđ‰āļ‡
4.8/5
11,944 āļĢāļĩāļ§āļīāļ§
āļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™
312K
āļ•āļĨāļ­āļ”āđ€āļ§āļĨāļē
āļ­āļąāļ›āđ€āļ”āļ•
āļĄāļī.āļĒ. 2026
āļ›āļĢāļąāļšāđ€āļ™āļ·āđ‰āļ­āļŦāļē
  • āļĢāļ°āļ”āļąāļš: āļĢāļ°āļ”āļąāļšāļ•āđ‰āļ™
  • āđ€āļ§āļĨāļē: 2 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡
  • āļ„āđˆāļēāđƒāļŠāđ‰āļˆāđˆāļēāļĒ: āļĢāļ§āļĄāđƒāļ™āļŠāļĄāļēāļŠāļīāļ DataCamp āļšāļ—āđāļĢāļāđ€āļĢāļĩāļĒāļ™āļŸāļĢāļĩ
  • āđ€āļŦāļĄāļēāļ°āļŠāļģāļŦāļĢāļąāļš: āļœāļđāđ‰āđ€āļĢāļīāđˆāļĄāļ•āđ‰āļ™āļ—āļĩāđˆāļ­āļĒāļēāļāļĢāļđāđ‰āļ§āđˆāļēāđ‚āļĄāđ€āļ”āļĨāļ„āļ·āļ­āļ­āļ°āđ„āļĢ āļāđˆāļ­āļ™āļˆāļ°āļĨāļ‡āļĄāļ·āļ­āđ€āļ‚āļĩāļĒāļ™

āļ„āļ­āļĢāđŒāļŠāļ™āļĩāđ‰āļ­āļ˜āļīāļšāļēāļĒāļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āđāļšāļšāļĄāļĩāļœāļđāđ‰āļŠāļ­āļ™āđāļĨāļ°āđ„āļĄāđˆāļĄāļĩāļœāļđāđ‰āļŠāļ­āļ™ āļāļēāļĢāđ€āļ—āļĢāļ™āđ‚āļĄāđ€āļ”āļĨ āđāļĨāļ°āļ•āļģāđāļŦāļ™āđˆāļ‡āļ‚āļ­āļ‡ deep learning āđ‚āļ”āļĒāđ„āļĄāđˆāļĄāļĩāđ‚āļ„āđ‰āļ” āļ”āđ‰āļ§āļĒāļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™ 312K āļ–āļ·āļ­āđ€āļ›āđ‡āļ™āļ„āļ­āļĢāđŒāļŠāļ—āļĩāđˆāļĄāļĩāļ„āļ™āđ€āļĢāļĩāļĒāļ™āļĄāļēāļāļ—āļĩāđˆāļŠāļļāļ”āđƒāļ™āļšāļ—āļ„āļ§āļēāļĄāļ™āļĩāđ‰

āļ„āļ­āļĢāđŒāļŠāļ™āļĩāđ‰āđ„āļĄāđˆāđƒāļŠāđˆāļ„āļ­āļĢāđŒāļŠ deep learning āđ‚āļ”āļĒāļĨāļģāļžāļąāļ‡ āļŦāļēāļāļ„āļģāļ­āļĒāđˆāļēāļ‡āļŠāļļāļ”āļ‚āđ‰āļ­āļĄāļđāļĨāļāļķāļāđāļĨāļ°āļāļēāļĢāļŸāļīāļ•āđ€āļāļīāļ™āļĒāļąāļ‡āđƒāļŦāļĄāđˆ āđƒāļŦāđ‰āđ€āļĢāļĩāļĒāļ™āļ„āļ­āļĢāđŒāļŠāļ™āļĩāđ‰āļāđˆāļ­āļ™ āđāļĨāđ‰āļ§āļ•āđˆāļ­āļ”āđ‰āļ§āļĒ Introduction to Deep Learning with PyTorch āļ—āļąāļ™āļ—āļĩ

3. Practical Deep Learning for Coders (fast.ai)

āļ„āļ­āļĢāđŒāļŠāļŸāļĢāļĩāđ‚āļ”āļĒ Jeremy Howard āļ—āļĩāđˆāļŠāļ­āļ™ deep learning āđāļšāļšāļˆāļēāļāļšāļ™āļĨāļ‡āļĨāđˆāļēāļ‡ āđ€āļĢāļīāđˆāļĄāļˆāļēāļāđ‚āļĄāđ€āļ”āļĨāļ—āļĩāđˆāļ—āļģāļ‡āļēāļ™āđ„āļ”āđ‰āļˆāļĢāļīāļ‡

  • āļĢāļ°āļ”āļąāļš: āļĢāļ°āļ”āļąāļšāļāļĨāļēāļ‡ āļ•āđ‰āļ­āļ‡āļ„āļĨāđˆāļ­āļ‡ Python
  • āđ€āļ§āļĨāļē: āđ€āļĢāļĩāļĒāļ™āļ•āļēāļĄāļˆāļąāļ‡āļŦāļ§āļ°āļ•āļ™āđ€āļ­āļ‡ āļœāđˆāļēāļ™āļ§āļīāļ”āļĩāđ‚āļ­āļšāļ—āđ€āļĢāļĩāļĒāļ™āļĒāļēāļ§āļŦāļĨāļēāļĒāļšāļ—
  • āļ„āđˆāļēāđƒāļŠāđ‰āļˆāđˆāļēāļĒ: āļŸāļĢāļĩ
  • āđ€āļŦāļĄāļēāļ°āļŠāļģāļŦāļĢāļąāļš: āđ‚āļ›āļĢāđāļāļĢāļĄāđ€āļĄāļ­āļĢāđŒāļ—āļĩāđˆāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āđ„āļ”āđ‰āļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”āļ”āđ‰āļ§āļĒāļāļēāļĢāļĨāļ‡āļĄāļ·āļ­āļŠāļĢāđ‰āļēāļ‡āļāđˆāļ­āļ™ āļ„āđˆāļ­āļĒāļ­āđˆāļēāļ™āļ—āļĪāļĐāļŽāļĩāļ—āļĩāļŦāļĨāļąāļ‡

āļ„āļ­āļĢāđŒāļŠāļˆāļ°āđƒāļŦāđ‰āđ€āļ—āļĢāļ™āļ„āļĢāļēāļŠāļŠāļīāđ„āļŸāđ€āļ­āļ­āļĢāđŒāļ āļēāļžāļ•āļąāđ‰āļ‡āđāļ•āđˆāļšāļ—āđāļĢāļ āđāļĨāđ‰āļ§āļ•āđˆāļ­āļ”āđ‰āļ§āļĒāļ„āļ­āļĄāļžāļīāļ§āđ€āļ•āļ­āļĢāđŒāļ§āļīāļ—āļąāļĻāļ™āđŒ āļ‚āđ‰āļ­āļ„āļ§āļēāļĄ āļ‚āđ‰āļ­āļĄāļđāļĨāļ•āļēāļĢāļēāļ‡ āđāļĨāļ°āļĢāļ°āļšāļšāđāļ™āļ°āļ™āļģ āđƒāļŠāđ‰āđ„āļĨāļšāļĢāļēāļĢāļĩ fastai āļ—āļĩāđˆāļ„āļĢāļ­āļšāļ­āļĒāļđāđˆāļšāļ™ PyTorch

āļ–āļ·āļ­āđ€āļ›āđ‡āļ™āļ„āļ­āļĢāđŒāļŠ deep learning āļŸāļĢāļĩāļ—āļĩāđˆāļ”āļĩāļ—āļĩāđˆāļŠāļļāļ” āļ‚āđ‰āļ­āđāļĨāļāđ€āļ›āļĨāļĩāđˆāļĒāļ™āļ„āļ·āļ­ fastai āļˆāļ°āļ‹āđˆāļ­āļ™āļĢāļēāļĒāļĨāļ°āđ€āļ­āļĩāļĒāļ”āļšāļēāļ‡āļŠāđˆāļ§āļ™āļ‚āļ­āļ‡ PyTorch āļ—āļĩāđˆāļ›āļĢāļ°āļāļēāļĻāļĢāļąāļšāļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™āļŠāđˆāļ§āļ™āđƒāļŦāļāđˆāļ•āđ‰āļ­āļ‡āļāļēāļĢ

āļ•āļąāļ§āđ€āļĨāļ·āļ­āļāļ‚āļ­āļ‡āđ€āļĢāļē: āđ€āļĢāļīāđˆāļĄāļˆāļēāļ Introduction to Deep Learning with PyTorch āļ‚āļ­āļ‡āđ€āļĢāļē āļŦāļēāļāļ•āđ‰āļ­āļ‡āļāļēāļĢāļ—āļąāļāļĐāļ° PyTorch āļ—āļĩāđˆāđƒāļŠāđˆāđƒāļ™āđ€āļĢāļ‹āļđāđ€āļĄāđˆāđ„āļ”āđ‰ āđ€āļĨāļ·āļ­āļ Practical Deep Learning for Coders āļ‚āļ­āļ‡ fast.ai āļŦāļēāļāļ•āđ‰āļ™āļ—āļļāļ™āļŠāļģāļ„āļąāļāļāļ§āđˆāļēāļ„āļ§āļēāļĄāđ€āļ›āđ‡āļ™āđ‚āļ„āļĢāļ‡āļŠāļĢāđ‰āļēāļ‡

āļ„āļ­āļĢāđŒāļŠ Deep Learning āļ—āļĩāđˆāļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”āļŠāļģāļŦāļĢāļąāļšāļ—āļĪāļĐāļŽāļĩāđāļĨāļ°āļĢāļēāļāļāļēāļ™

āļ„āļ­āļĢāđŒāļŠāļĢāļēāļāļāļēāļ™āļˆāļ°āļ­āļ˜āļīāļšāļēāļĒāļ§āđˆāļēāļ—āļģāđ„āļĄāđ‚āļ„āļĢāļ‡āļ‚āđˆāļēāļĒāļ›āļĢāļ°āļŠāļēāļ—āđ€āļ—āļĩāļĒāļĄāļ–āļķāļ‡āđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āđ„āļ”āđ‰: āļāļēāļĢāļ–āđˆāļēāļĒāļ—āļ­āļ”āļĒāđ‰āļ­āļ™āļāļĨāļąāļš āļ­āļ­āļ›āļ•āļīāđ„āļĄāđ€āļ‹āļŠāļąāļ™ āļāļēāļĢāļ—āļģāđƒāļŦāđ‰āđ€āļ›āđ‡āļ™āļĢāļ°āđ€āļšāļĩāļĒāļš āđāļĨāļ°āļāļēāļĢāļāļģāļŦāļ™āļ”āļ„āđˆāļēāđ€āļĢāļīāđˆāļĄāļ•āđ‰āļ™ āđ€āļŦāļĄāļēāļ°āļŠāļģāļŦāļĢāļąāļšāļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™āļ—āļĩāđˆāļ­āļĒāļēāļāļ”āļĩāļšāļąāļāđ‚āļĄāđ€āļ”āļĨāļ—āļĩāđˆāđ€āļ—āļĢāļ™āđ„āļĄāđˆāļ•āļīāļ” āđ„āļĄāđˆāđƒāļŠāđˆāđāļ„āđˆāļŠāļĢāđ‰āļēāļ‡āđ‚āļĄāđ€āļ”āļĨāļ—āļĩāđˆāđ€āļ—āļĢāļ™āļ•āļīāļ”

1. Deep Learning Specialization (DeepLearning.AI āļšāļ™ Coursera)

āđ‚āļ›āļĢāđāļāļĢāļĄ 5 āļ„āļ­āļĢāđŒāļŠāļ‚āļ­āļ‡ Andrew Ng āđ‚āļ”āļĒāļ•āļēāļĄāļŦāļ™āđ‰āļē Coursera āļĄāļĩāļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™āđ€āļāļ·āļ­āļš 1 āļĨāđ‰āļēāļ™āļ„āļ™

  • āļĢāļ°āļ”āļąāļš: āļĢāļ°āļ”āļąāļšāļāļĨāļēāļ‡ āļĄāļĩāļžāļ·āđ‰āļ™āļāļēāļ™āļžāļĩāļŠāļ„āļ“āļīāļ•āđ€āļŠāļīāļ‡āđ€āļŠāđ‰āļ™āđāļĨāļ°āđāļ„āļĨāļ„āļđāļĨāļąāļŠāļŠāđˆāļ§āļĒāđ„āļ”āđ‰
  • āđ€āļ§āļĨāļē: āļ›āļĢāļ°āļĄāļēāļ“ 3 āđ€āļ”āļ·āļ­āļ™āļ—āļĩāđˆāļŠāļąāļ›āļ”āļēāļŦāđŒāļĨāļ° 10 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡ āļ•āļēāļĄāļŦāļ™āđ‰āļē Coursera
  • āļ„āđˆāļēāđƒāļŠāđ‰āļˆāđˆāļēāļĒ: āļŠāļĄāļēāļŠāļīāļ Coursera
  • āđ€āļŦāļĄāļēāļ°āļŠāļģāļŦāļĢāļąāļš: āļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™āļ—āļĩāđˆāļ­āļĒāļēāļāđƒāļŦāđ‰āļ—āļĪāļĐāļŽāļĩāļ­āļ˜āļīāļšāļēāļĒāļ­āļĒāđˆāļēāļ‡āļĨāļ°āđ€āļ­āļĩāļĒāļ”āļˆāļēāļāļŦāļĨāļąāļāļāļēāļĢāđāļĢāļ

āļ„āļĢāļ­āļšāļ„āļĨāļļāļĄāļžāļ·āđ‰āļ™āļāļēāļ™āđ‚āļ„āļĢāļ‡āļ‚āđˆāļēāļĒāļ›āļĢāļ°āļŠāļēāļ— āļāļēāļĢāļ›āļĢāļąāļšāđāļ•āđˆāļ‡āđāļĨāļ°āļāļēāļĢāļ—āļģāđƒāļŦāđ‰āđ€āļ›āđ‡āļ™āļĢāļ°āđ€āļšāļĩāļĒāļš āļāļēāļĢāļ§āļēāļ‡āđ‚āļ„āļĢāļ‡āļŠāļĢāđ‰āļēāļ‡āđ‚āļ›āļĢāđ€āļˆāļāļ•āđŒ ML āđ‚āļ„āļĢāļ‡āļ‚āđˆāļēāļĒāļ„āļ­āļ™āđ‚āļ§āļĨāļđāļŠāļąāļ™ āđāļĨāļ°āđ‚āļĄāđ€āļ”āļĨāļĨāļģāļ”āļąāļš Andrew Ng āļ­āļ˜āļīāļšāļēāļĒāļ„āļ“āļīāļ•āļĻāļēāļŠāļ•āļĢāđŒāļ—āļĩāļĨāļ°āļ‚āļąāđ‰āļ™āļ•āļ­āļ™ āļˆāļķāļ‡āļĒāļąāļ‡āđ€āļ›āđ‡āļ™āļ„āļģāđāļ™āļ°āļ™āļģāļĄāļēāļ•āļĢāļāļēāļ™āļŠāļģāļŦāļĢāļąāļšāļ—āļĪāļĐāļŽāļĩ

āļ‡āļēāļ™āđ‚āļ›āļĢāđāļāļĢāļĄāļĄāļīāđˆāļ‡āđƒāļŠāđ‰ TensorFlow āļ‚āļ“āļ°āļ—āļĩāđˆāđ‚āļ„āđ‰āļ”āļ§āļīāļˆāļąāļĒāļ›āļąāļˆāļˆāļļāļšāļąāļ™āļŠāđˆāļ§āļ™āđƒāļŦāļāđˆāđƒāļŠāđ‰ PyTorch āļ„āļ§āļĢāļ„āļēāļ”āļ§āđˆāļēāļˆāļ°āļ•āđ‰āļ­āļ‡āđ€āļĢāļĩāļĒāļ™ PyTorch āđāļĒāļ āļŦāļēāļāļˆāļģāđ€āļ›āđ‡āļ™āļ•āđˆāļ­āļāļēāļĢāļ—āļģāļ‡āļēāļ™

2. Intermediate Deep Learning with PyTorch

āļ„āļ­āļĢāđŒāļŠāļ•āđˆāļ­āđ€āļ™āļ·āđˆāļ­āļ‡āļ‚āļ­āļ‡āđ€āļĢāļē āļ„āļĢāļ­āļšāļ„āļĨāļļāļĄāļ›āļąāļāļŦāļēāļāļēāļĢāđ€āļ—āļĢāļ™āļ—āļĩāđˆāļ—āļģāđƒāļŦāđ‰āđ‚āļĄāđ€āļ”āļĨāļˆāļĢāļīāļ‡āļ—āļģāļ‡āļēāļ™āđ„āļĄāđˆāđ„āļ”āđ‰

āđ€āļĢāļ•āļ•āļīāđ‰āļ‡
4.8/5
2,387 āļĢāļĩāļ§āļīāļ§
āļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™
30K
āļ•āļĨāļ­āļ”āđ€āļ§āļĨāļē
āļ­āļąāļ›āđ€āļ”āļ•
āļĄāļī.āļĒ. 2025
āļ›āļĢāļąāļšāđ€āļ™āļ·āđ‰āļ­āļŦāļē
  • āļĢāļ°āļ”āļąāļš: āļĢāļ°āļ”āļąāļšāļāļĨāļēāļ‡
  • āđ€āļ§āļĨāļē: 4 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡
  • āļ„āđˆāļēāđƒāļŠāđ‰āļˆāđˆāļēāļĒ: āļĢāļ§āļĄāđƒāļ™āļŠāļĄāļēāļŠāļīāļ DataCamp āļšāļ—āđāļĢāļāđ€āļĢāļĩāļĒāļ™āļŸāļĢāļĩ
  • āđ€āļŦāļĄāļēāļ°āļŠāļģāļŦāļĢāļąāļš: āļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™āļ—āļĩāđˆāļŠāļĢāđ‰āļēāļ‡āđ€āļ„āļĢāļ·āļ­āļ‚āđˆāļēāļĒāļžāļ·āđ‰āļ™āļāļēāļ™āđ„āļ”āđ‰āđāļĨāđ‰āļ§āđāļĨāļ°āļ•āđ‰āļ­āļ‡āļāļēāļĢāđƒāļŦāđ‰āđ€āļ—āļĢāļ™āđ„āļ”āđ‰āļ­āļĒāđˆāļēāļ‡āđ€āļŠāļ–āļĩāļĒāļĢ

āļ„āļ­āļĢāđŒāļŠāļ„āļĢāļ­āļšāļ„āļĨāļļāļĄāļāļēāļĢāđ€āļ—āļĢāļ™āđ€āļ„āļĢāļ·āļ­āļ‚āđˆāļēāļĒāđƒāļŦāđ‰āļ„āļ­āļ™āđ€āļ§āļīāļĢāđŒāļˆāđ„āļ”āđ‰āļ­āļĒāđˆāļēāļ‡āđ€āļŠāļ·āđˆāļ­āļ–āļ·āļ­āđ„āļ”āđ‰ āđ‚āļ„āļĢāļ‡āļ‚āđˆāļēāļĒāļ„āļ­āļ™āđ‚āļ§āļĨāļđāļŠāļąāļ™āļŠāļģāļŦāļĢāļąāļšāļ āļēāļž āđ‚āļ„āļĢāļ‡āļ‚āđˆāļēāļĒāļĢāļĩāđ€āļ„āļ­āļĢāđŒāđ€āļĢāļ™āļ•āđŒāļ­āļĒāđˆāļēāļ‡ LSTM āđāļĨāļ° GRU āļŠāļģāļŦāļĢāļąāļšāļĨāļģāļ”āļąāļš āđāļĨāļ°āļŠāļ–āļēāļ›āļąāļ•āļĒāļāļĢāļĢāļĄāđāļšāļšāļŦāļĨāļēāļĒāļ­āļīāļ™āļžāļļāļ•āđāļĨāļ°āļŦāļĨāļēāļĒāđ€āļ­āļēāļ•āđŒāļžāļļāļ• āđƒāļŠāđ‰āđ€āļ§āļĨāļēāļ›āļĢāļ°āļĄāļēāļ“ 4 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡

āđ„āļ”āđ‰āđ€āļĢāļ•āļ•āļīāđ‰āļ‡ 4.8/5 āļˆāļēāļ 2,387 āļĢāļĩāļ§āļīāļ§ āđ€āļ™āļ·āđ‰āļ­āļŦāļēāļ›āļāļīāļšāļąāļ•āļīāļĄāļēāļāļāļ§āđˆāļēāļŠāđ€āļ›āđ€āļŠāļĩāļĒāļĨāđ„āļĨāđ€āļ‹āļŠāļąāļ™āļ‚āđ‰āļēāļ‡āļšāļ™āđāļĨāļ°āļŠāļąāđ‰āļ™āļāļ§āđˆāļēāļĄāļēāļ

āļ•āļąāļ§āđ€āļĨāļ·āļ­āļāļ‚āļ­āļ‡āđ€āļĢāļē: āđ€āļĨāļ·āļ­āļ Deep Learning Specialization āļ‚āļ­āļ‡ DeepLearning.AI āļŦāļēāļāļ•āđ‰āļ­āļ‡āļāļēāļĢāļ—āļĪāļĐāļŽāļĩāđāļšāļšāđ€āļ•āđ‡āļĄ āļŦāļēāļāļ•āđ‰āļ­āļ‡āļāļēāļĢāļ—āļąāļāļĐāļ° PyTorch āļ—āļĩāđˆāđƒāļŠāđ‰āļ‡āļēāļ™āđ„āļ”āđ‰āđ€āļĢāđ‡āļ§āļ‚āļķāđ‰āļ™ āļ„āļ­āļĢāđŒāļŠ Intermediate Deep Learning with PyTorch āļ‚āļ­āļ‡āđ€āļĢāļēāļ„āļĢāļ­āļšāļ„āļĨāļļāļĄāļĢāļēāļāļāļēāļ™āļ—āļĩāđˆāļŠāļģāļ„āļąāļāđƒāļ™ 4 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡

āļ„āļ­āļĢāđŒāļŠ Deep Learning āļ—āļĩāđˆāļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”āļŠāļģāļŦāļĢāļąāļšāļ„āļ­āļĄāļžāļīāļ§āđ€āļ•āļ­āļĢāđŒāļ§āļīāļ—āļąāļĻāļ™āđŒ

āļ„āļ­āļĄāļžāļīāļ§āđ€āļ•āļ­āļĢāđŒāļ§āļīāļ—āļąāļĻāļ™āđŒāļ„āļ·āļ­āļāļēāļĢāđƒāļŠāđ‰ deep learning āđ€āļžāļ·āđˆāļ­āļˆāļąāļ”āļ›āļĢāļ°āđ€āļ āļ— āļ•āļĢāļ§āļˆāļˆāļąāļš āđāļĨāļ°āđāļšāđˆāļ‡āļŠāđˆāļ§āļ™āļŠāļīāđˆāļ‡āļ—āļĩāđˆāļ­āļĒāļđāđˆāđƒāļ™āļ āļēāļž āļ„āļ­āļĢāđŒāļŠāđ€āļŦāļĨāđˆāļēāļ™āļĩāđ‰āđ€āļŦāļĄāļēāļ°āļāļąāļšāļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™āļ—āļĩāđˆāļˆāļšāļ„āļ­āļĢāđŒāļŠāđāļ™āļ°āļ™āļģ deep learning āđāļĨāđ‰āļ§

1. Deep Learning for Images with PyTorch

āļ„āļ­āļĢāđŒāļŠāļ„āļ­āļĄāļžāļīāļ§āđ€āļ•āļ­āļĢāđŒāļ§āļīāļ—āļąāļĻāļ™āđŒāļŦāļĨāļąāļāļ‚āļ­āļ‡āđ€āļĢāļē āđāļĨāļ°āđ€āļ›āđ‡āļ™āļ„āļ­āļĢāđŒāļŠāļ—āļĩāđˆāļŠāļēāļĄāđƒāļ™āđāļ—āļĢāđ‡āļ Deep Learning in Python

āđ€āļĢāļ•āļ•āļīāđ‰āļ‡
4.8/5
857 āļĢāļĩāļ§āļīāļ§
āļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™
14K
āļ•āļĨāļ­āļ”āđ€āļ§āļĨāļē
āļ­āļąāļ›āđ€āļ”āļ•
āļĄāļī.āļĒ. 2025
āļ›āļĢāļąāļšāđ€āļ™āļ·āđ‰āļ­āļŦāļē
  • āļĢāļ°āļ”āļąāļš: āļĢāļ°āļ”āļąāļšāļŠāļđāļ‡
  • āđ€āļ§āļĨāļē: 4 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡
  • āļ„āđˆāļēāđƒāļŠāđ‰āļˆāđˆāļēāļĒ: āļĢāļ§āļĄāđƒāļ™āļŠāļĄāļēāļŠāļīāļ DataCamp āļšāļ—āđāļĢāļāđ€āļĢāļĩāļĒāļ™āļŸāļĢāļĩ
  • āđ€āļŦāļĄāļēāļ°āļŠāļģāļŦāļĢāļąāļš: āļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™āļ—āļĩāđˆāļ­āļĒāļēāļāļŠāļĢāđ‰āļēāļ‡āļ•āļąāļ§āļˆāļąāļ”āļ›āļĢāļ°āđ€āļ āļ—āļ āļēāļž āļ•āļąāļ§āļ•āļĢāļ§āļˆāļˆāļąāļšāļ§āļąāļ•āļ–āļļ āđāļĨāļ°āđ‚āļĄāđ€āļ”āļĨāđāļšāđˆāļ‡āļŠāđˆāļ§āļ™

āļ„āļ­āļĢāđŒāļŠāļ„āļĢāļ­āļšāļ„āļĨāļļāļĄāđ‚āļ„āļĢāļ‡āļ‚āđˆāļēāļĒāļ„āļ­āļ™āđ‚āļ§āļĨāļđāļŠāļąāļ™ āļāļēāļĢāļ•āļĢāļ§āļˆāļˆāļąāļšāļ§āļąāļ•āļ–āļļ āļāļēāļĢāđāļšāđˆāļ‡āļŠāđˆāļ§āļ™āļ āļēāļž āđāļĨāļ°āļāļēāļĢāļŠāļĢāđ‰āļēāļ‡āļ āļēāļžāđƒāļ™ PyTorch āđƒāļŠāđ‰āđ€āļ§āļĨāļēāļ›āļĢāļ°āļĄāļēāļ“ 4 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡

āđāļ„āļ•āļ•āļēāļĨāđ‡āļ­āļāļ‚āļ­āļ‡āđ€āļĢāļēāļˆāļąāļ”āļĢāļ°āļ”āļąāļšāđ€āļ›āđ‡āļ™āļĢāļ°āļ”āļąāļšāļŠāļđāļ‡ āļŦāļēāļāļĒāļąāļ‡āđ„āļĄāđˆāļ„āļļāđ‰āļ™āļāļąāļš PyTorch āđ€āļāļīāļ™āļžāļ·āđ‰āļ™āļāļēāļ™ āđƒāļŦāđ‰āđ€āļĢāļĩāļĒāļ™ Intermediate Deep Learning with PyTorch āļāđˆāļ­āļ™

2. Image Modeling with Keras

āļ„āļ­āļĢāđŒāļŠāđ‚āļ„āļĢāļ‡āļ‚āđˆāļēāļĒāļ„āļ­āļ™āđ‚āļ§āļĨāļđāļŠāļąāļ™āļŠāļģāļŦāļĢāļąāļšāļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™āļ—āļĩāđˆāļ—āļģāļ‡āļēāļ™āļšāļ™ Keras

  • āļĢāļ°āļ”āļąāļš: āļĢāļ°āļ”āļąāļšāļŠāļđāļ‡
  • āđ€āļ§āļĨāļē: 4 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡
  • āļ„āđˆāļēāđƒāļŠāđ‰āļˆāđˆāļēāļĒ: āļĢāļ§āļĄāđƒāļ™āļŠāļĄāļēāļŠāļīāļ DataCamp āļšāļ—āđāļĢāļāđ€āļĢāļĩāļĒāļ™āļŸāļĢāļĩ
  • āđ€āļŦāļĄāļēāļ°āļŠāļģāļŦāļĢāļąāļš: āļ—āļĩāļĄāļ—āļĩāđˆāļĄāļĩāđ‚āļ„āđ‰āļ”āđ€āļšāļŠ Keras āļŦāļĢāļ·āļ­ TensorFlow āļ­āļĒāļđāđˆāđāļĨāđ‰āļ§

āđ€āļĢāļēāđ„āļĄāđˆāļ™āļģāđ€āļŠāļ™āļ­āļ„āļ°āđāļ™āļ™āđ€āļĢāļ•āļ•āļīāđ‰āļ‡āļ”āļēāļ§āļŠāļģāļŦāļĢāļąāļšāļ„āļ­āļĢāđŒāļŠāļ™āļĩāđ‰ āđ€āļ™āļ·āđˆāļ­āļ‡āļˆāļēāļāļĄāļĩāļĢāļĩāļ§āļīāļ§ 94 āļĢāļēāļĒāļāļēāļĢ āļ•āđˆāļģāļāļ§āđˆāļēāđ€āļāļ“āļ‘āđŒ 200 āļĢāļēāļĒāļāļēāļĢāļāđˆāļ­āļ™āđ€āļœāļĒāđāļžāļĢāđˆāļ„āļ°āđāļ™āļ™

āļ”āđ‰āļ§āļĒāļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™ 40K āđāļĨāļ°āļāļēāļĢāļ›āļĢāļąāļšāđ€āļ™āļ·āđ‰āļ­āļŦāļēāđƒāļ™ āļĄ.āļ„. 2026 āļˆāļķāļ‡āļĒāļąāļ‡āđ€āļ›āđ‡āļ™āļ•āļąāļ§āđ€āļĨāļ·āļ­āļāļ—āļĩāđˆāļĄāļąāđˆāļ™āļ„āļ‡āļŦāļēāļ Keras āļ„āļ·āļ­āđ€āļŸāļĢāļĄāđ€āļ§āļīāļĢāđŒāļāļŦāļĨāļąāļ āđ€āļĢāļīāđˆāļĄāđƒāļŦāļĄāđˆāđāļ™āļ°āļ™āļģāļ„āļ­āļĢāđŒāļŠ PyTorch āļ”āđ‰āļēāļ™āļšāļ™

āļ•āļąāļ§āđ€āļĨāļ·āļ­āļāļ‚āļ­āļ‡āđ€āļĢāļē: āđ€āļĨāļ·āļ­āļ Deep Learning for Images with PyTorch āļ‚āļ­āļ‡āđ€āļĢāļē āđ€āļĨāļ·āļ­āļ Image Modeling with Keras āđ€āļ‰āļžāļēāļ°āđ€āļĄāļ·āđˆāļ­āļ—āļĩāļĄāļ—āļģāļ‡āļēāļ™āļ”āđ‰āļ§āļĒ Keras āļ­āļĒāļđāđˆāđāļĨāđ‰āļ§

āļ„āļ­āļĢāđŒāļŠ Deep Learning āļ—āļĩāđˆāļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”āļŠāļģāļŦāļĢāļąāļšāļ‚āđ‰āļ­āļ„āļ§āļēāļĄāđāļĨāļ° Transformers

Transformers āļ„āļ·āļ­āļŠāļ–āļēāļ›āļąāļ•āļĒāļāļĢāļĢāļĄāđ‚āļ„āļĢāļ‡āļ‚āđˆāļēāļĒāļ›āļĢāļ°āļŠāļēāļ—āđ€āļ—āļĩāļĒāļĄāļ—āļĩāđˆāļ­āļĒāļđāđˆāđ€āļšāļ·āđ‰āļ­āļ‡āļŦāļĨāļąāļ‡āđ‚āļĄāđ€āļ”āļĨāļ āļēāļĐāļēāļŠāļĄāļąāļĒāđƒāļŦāļĄāđˆ āđ€āļŠāđˆāļ™ GPT āđāļĨāļ° Claude āļ„āļ­āļĢāđŒāļŠāđ€āļŦāļĨāđˆāļēāļ™āļĩāđ‰āļžāļēāļˆāļēāļāđ‚āļĄāđ€āļ”āļĨāļ‚āđ‰āļ­āļ„āļ§āļēāļĄāđāļšāļšāļ”āļąāđ‰āļ‡āđ€āļ”āļīāļĄāđ„āļ›āļˆāļ™āļ–āļķāļ‡āļāļēāļĢāļŠāļĢāđ‰āļēāļ‡āđāļĨāļ°āđƒāļŠāđ‰āļ‡āļēāļ™ transformers āļ”āđ‰āļ§āļĒāļ•āļ™āđ€āļ­āļ‡

1. Transformer Models with PyTorch

āļ„āļ­āļĢāđŒāļŠāļ‚āļ­āļ‡āđ€āļĢāļēāđ€āļāļĩāđˆāļĒāļ§āļāļąāļšāļāļēāļĢāļŠāļĢāđ‰āļēāļ‡ transformer āļˆāļēāļāļ­āļ‡āļ„āđŒāļ›āļĢāļ°āļāļ­āļšāļ‚āļ­āļ‡āļĄāļąāļ™

āđ€āļĢāļ•āļ•āļīāđ‰āļ‡
4.8/5
977 āļĢāļĩāļ§āļīāļ§
āļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™
9.2K
āļ•āļĨāļ­āļ”āđ€āļ§āļĨāļē
āļ­āļąāļ›āđ€āļ”āļ•
āļ.āļ„. 2026
āļ›āļĢāļąāļšāđ€āļ™āļ·āđ‰āļ­āļŦāļē
  • āļĢāļ°āļ”āļąāļš: āļĢāļ°āļ”āļąāļšāļŠāļđāļ‡
  • āđ€āļ§āļĨāļē: 2 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡
  • āļ„āđˆāļēāđƒāļŠāđ‰āļˆāđˆāļēāļĒ: āļĢāļ§āļĄāđƒāļ™āļŠāļĄāļēāļŠāļīāļ DataCamp āļšāļ—āđāļĢāļāđ€āļĢāļĩāļĒāļ™āļŸāļĢāļĩ
  • āđ€āļŦāļĄāļēāļ°āļŠāļģāļŦāļĢāļąāļš: āļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™āļ—āļĩāđˆāļ­āļĒāļēāļāđ€āļ‚āđ‰āļēāđƒāļˆāļ§āļīāļ˜āļĩāļ—āļģāļ‡āļēāļ™āļ āļēāļĒāđƒāļ™āļ‚āļ­āļ‡ LLM āđ„āļĄāđˆāđƒāļŠāđˆāđāļ„āđˆāđ€āļĢāļĩāļĒāļāđƒāļŠāđ‰āļ‡āļēāļ™

āļ„āļ­āļĢāđŒāļŠāđ€āļĢāļīāđˆāļĄāļˆāļēāļāļšāļĨāđ‡āļ­āļāļžāļ·āđ‰āļ™āļāļēāļ™āļ‚āļ­āļ‡āđ‚āļĄāđ€āļ”āļĨ transformer āđāļĨāđ‰āļ§āļ›āļĢāļ°āļāļ­āļšāđ€āļ›āđ‡āļ™āļŠāļ–āļēāļ›āļąāļ•āļĒāļāļĢāļĢāļĄāđ€āļ•āđ‡āļĄāļĢāļđāļ›āđāļšāļšāđƒāļ™ PyTorch āļ”āđ‰āļ§āļĒāđ€āļ§āļĨāļē 2 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡ āļˆāļąāļ”āđ€āļ›āđ‡āļ™āļŦāļ™āļķāđˆāļ‡āđƒāļ™āļ„āļ­āļĢāđŒāļŠāļ—āļĩāđˆāļŠāļąāđ‰āļ™āļ—āļĩāđˆāļŠāļļāļ”āđƒāļ™āļšāļ—āļ„āļ§āļēāļĄāļ™āļĩāđ‰

āļ­āļąāļ›āđ€āļ”āļ•āļĨāđˆāļēāļŠāļļāļ”āđƒāļ™ āļ.āļ„. 2026 āļ‹āļķāđˆāļ‡āđƒāļŦāļĄāđˆāļ—āļĩāđˆāļŠāļļāļ”āđƒāļ™āļāļĨāļļāđˆāļĄāļ„āļ­āļĢāđŒāļŠ deep learning āļ—āļĩāđˆāļĒāļāļĄāļē āđāļĨāļ°āļĄāļĩāđ€āļĢāļ•āļ•āļīāđ‰āļ‡ 4.8/5 āļˆāļēāļ 977 āļĢāļĩāļ§āļīāļ§

2. Deep Learning for Text with PyTorch

āļ„āļ­āļĢāđŒāļŠāļ‚āļ­āļ‡āđ€āļĢāļēāđ€āļāļĩāđˆāļĒāļ§āļāļąāļšāļāļēāļĢāļˆāļąāļ”āļ›āļĢāļ°āđ€āļ āļ—āđāļĨāļ°āļāļēāļĢāļŠāļĢāđ‰āļēāļ‡āļ‚āđ‰āļ­āļ„āļ§āļēāļĄāļ”āđ‰āļ§āļĒāđ‚āļ„āļĢāļ‡āļ‚āđˆāļēāļĒāļ›āļĢāļ°āļŠāļēāļ—āđ€āļ—āļĩāļĒāļĄ

āđ€āļĢāļ•āļ•āļīāđ‰āļ‡
4.8/5
846 āļĢāļĩāļ§āļīāļ§
āļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™
11K
āļ•āļĨāļ­āļ”āđ€āļ§āļĨāļē
āļ­āļąāļ›āđ€āļ”āļ•
āļĄ.āļ„. 2026
āļ›āļĢāļąāļšāđ€āļ™āļ·āđ‰āļ­āļŦāļē
  • āļĢāļ°āļ”āļąāļš: āļĢāļ°āļ”āļąāļšāļŠāļđāļ‡
  • āđ€āļ§āļĨāļē: 4 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡
  • āļ„āđˆāļēāđƒāļŠāđ‰āļˆāđˆāļēāļĒ: āļĢāļ§āļĄāđƒāļ™āļŠāļĄāļēāļŠāļīāļ DataCamp āļšāļ—āđāļĢāļāđ€āļĢāļĩāļĒāļ™āļŸāļĢāļĩ
  • āđ€āļŦāļĄāļēāļ°āļŠāļģāļŦāļĢāļąāļš: āļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™āļ—āļĩāđˆāļ•āđ‰āļ­āļ‡āļāļēāļĢāđ€āļŠāđ‰āļ™āļ—āļēāļ‡āļ„āļĢāļšāļ–āđ‰āļ§āļ™āļ•āļąāđ‰āļ‡āđāļ•āđˆāļāļēāļĢāđ€āļ•āļĢāļĩāļĒāļĄāļ‚āđ‰āļ­āļ„āļ§āļēāļĄāļˆāļ™āļ–āļķāļ‡āđ‚āļĄāđ€āļ”āļĨāļĨāļģāļ”āļąāļš

āļ„āļ­āļĢāđŒāļŠāļ„āļĢāļ­āļšāļ„āļĨāļļāļĄāļāļēāļĢāđ€āļ•āļĢāļĩāļĒāļĄāļ‚āđ‰āļ­āļ„āļ§āļēāļĄāļŠāļģāļŦāļĢāļąāļš deep learning āļāļēāļĢāļˆāļąāļ”āļ›āļĢāļ°āđ€āļ āļ—āļ‚āđ‰āļ­āļ„āļ§āļēāļĄ āļāļēāļĢāļŠāļĢāđ‰āļēāļ‡āļ‚āđ‰āļ­āļ„āļ§āļēāļĄ āđāļĨāļ°āļŦāļąāļ§āļ‚āđ‰āļ­āļāļēāļĢāļ—āļģāđāļšāļšāļˆāļģāļĨāļ­āļ‡āļ‚āđ‰āļ­āļ„āļ§āļēāļĄāļ‚āļąāđ‰āļ™āļŠāļđāļ‡āđƒāļ™ PyTorch āđƒāļŠāđ‰āđ€āļ§āļĨāļēāļ›āļĢāļ°āļĄāļēāļ“ 4 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡

āđƒāļŦāđ‰āđ€āļĢāļĩāļĒāļ™āļ„āļ­āļĢāđŒāļŠāļ™āļĩāđ‰āļāđˆāļ­āļ™ Transformer Models with PyTorch āļŦāļēāļāļĒāļąāļ‡āđƒāļŦāļĄāđˆāļāļąāļšāļāļēāļĢāļ—āļģāļ‡āļēāļ™āļāļąāļšāļ‚āđ‰āļ­āļĄāļđāļĨāļ‚āđ‰āļ­āļ„āļ§āļēāļĄ

3. Introduction to LLMs in Python

āļ„āļ­āļĢāđŒāļŠāļ‚āļ­āļ‡āđ€āļĢāļēāđ€āļāļĩāđˆāļĒāļ§āļāļąāļšāļāļēāļĢāđƒāļŠāđ‰āļ‡āļēāļ™āđāļĨāļ°āļ›āļĢāļąāļšāđāļ•āđˆāļ‡āđ‚āļĄāđ€āļ”āļĨāļ āļēāļĐāļēāļŠāļģāđ€āļĢāđ‡āļˆāļĢāļđāļ›

āđ€āļĢāļ•āļ•āļīāđ‰āļ‡
4.8/5
1,970 āļĢāļĩāļ§āļīāļ§
āļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™
37K
āļ•āļĨāļ­āļ”āđ€āļ§āļĨāļē
āļ­āļąāļ›āđ€āļ”āļ•
āļĄāļī.āļĒ. 2026
āļ›āļĢāļąāļšāđ€āļ™āļ·āđ‰āļ­āļŦāļē
  • āļĢāļ°āļ”āļąāļš: āļĢāļ°āļ”āļąāļšāļāļĨāļēāļ‡
  • āđ€āļ§āļĨāļē: 3 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡
  • āļ„āđˆāļēāđƒāļŠāđ‰āļˆāđˆāļēāļĒ: āļĢāļ§āļĄāđƒāļ™āļŠāļĄāļēāļŠāļīāļ DataCamp āļšāļ—āđāļĢāļāđ€āļĢāļĩāļĒāļ™āļŸāļĢāļĩ
  • āđ€āļŦāļĄāļēāļ°āļŠāļģāļŦāļĢāļąāļš: āļœāļđāđ‰āļ›āļāļīāļšāļąāļ•āļīāļ‡āļēāļ™āļ—āļĩāđˆāļ•āđ‰āļ­āļ‡āļāļēāļĢāļœāļĨāļĨāļąāļžāļ˜āđŒāļˆāļēāļāđ‚āļĄāđ€āļ”āļĨāļ—āļĩāđˆāļĄāļĩāļ­āļĒāļđāđˆ āļĄāļēāļāļāļ§āđˆāļēāļāļēāļĢāđ€āļ—āļĢāļ™āļ•āļąāđ‰āļ‡āđāļ•āđˆāļĻāļđāļ™āļĒāđŒ

āļ„āļ­āļĢāđŒāļŠāļ„āļĢāļ­āļšāļ„āļĨāļļāļĄāļāļēāļĢāđ€āļĢāļīāđˆāļĄāļ•āđ‰āļ™āđƒāļŠāđ‰ LLM āļŠāļģāđ€āļĢāđ‡āļˆāļĢāļđāļ› āļāļēāļĢāļ›āļĢāļąāļšāđāļ•āđˆāļ‡ āđāļĨāļ°āļāļēāļĢāļ›āļĢāļ°āđ€āļĄāļīāļ™āļ›āļĢāļ°āļŠāļīāļ—āļ˜āļīāļ āļēāļž āļĄāļĩāļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™ 37K

āļ­āļĒāļđāđˆāļāļķāđˆāļ‡āļāļĨāļēāļ‡āļĢāļ°āļŦāļ§āđˆāļēāļ‡ deep learning āđāļĨāļ°āļ‡āļēāļ™ AI āđ€āļŠāļīāļ‡āļ›āļĢāļ°āļĒāļļāļāļ•āđŒ āļ—āļĩāļĄāļŠāđˆāļ§āļ™āđƒāļŦāļāđˆāļĄāļąāļāđƒāļŠāđ‰āđ‚āļĄāđ€āļ”āļĨāļŠāļģāđ€āļĢāđ‡āļˆāļĢāļđāļ›āļšāđˆāļ­āļĒāļāļ§āđˆāļēāļāļēāļĢāđ€āļ—āļĢāļ™āđƒāļŦāļĄāđˆ

āļ•āļąāļ§āđ€āļĨāļ·āļ­āļāļ‚āļ­āļ‡āđ€āļĢāļē: āđ€āļĢāļĩāļĒāļ™ Transformer Models with PyTorch āđ€āļžāļ·āđˆāļ­āđ€āļ‚āđ‰āļēāđƒāļˆāļŠāļ–āļēāļ›āļąāļ•āļĒāļāļĢāļĢāļĄ āđāļĨāđ‰āļ§āļ•āđˆāļ­āļ”āđ‰āļ§āļĒ Introduction to LLMs in Python āđ€āļžāļ·āđˆāļ­āđƒāļŠāđ‰āļ‡āļēāļ™āđ‚āļĄāđ€āļ”āļĨāļŠāļģāđ€āļĢāđ‡āļˆāļĢāļđāļ›

āļ„āļ­āļĢāđŒāļŠ Deep Learning āļ—āļĩāđˆāļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”āļŠāļģāļŦāļĢāļąāļšāļāļēāļĢāđ€āļ—āļĢāļ™āđ‚āļĄāđ€āļ”āļĨāļ‚āļ™āļēāļ”āđƒāļŦāļāđˆ

āļāļēāļĢāđ€āļ—āļĢāļ™āđ‚āļĄāđ€āļ”āļĨāļ‚āļ™āļēāļ”āđƒāļŦāļāđˆāļŦāļĄāļēāļĒāļ–āļķāļ‡āļāļēāļĢāļāļĢāļ°āļˆāļēāļĒāļ‡āļēāļ™āđ„āļ›āļĒāļąāļ‡āļŦāļĨāļēāļĒ GPU āđāļĨāļ°āļĨāļ”āļ•āđ‰āļ™āļ—āļļāļ™āļ•āđˆāļ­āļāđ‰āļēāļ§āļāļēāļĢāđ€āļ—āļĢāļ™ āļ„āļ­āļĢāđŒāļŠāđ€āļŦāļĨāđˆāļēāļ™āļĩāđ‰āđ€āļŦāļĄāļēāļ°āļāļąāļšāļœāļđāđ‰āļ›āļāļīāļšāļąāļ•āļīāļ‡āļēāļ™āļ—āļĩāđˆāđ‚āļĄāđ€āļ”āļĨāđƒāļŦāļāđˆāđ€āļāļīāļ™āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āđ€āļ”āļĩāļĒāļ§

1. Efficient AI Model Training with PyTorch

āļ„āļ­āļĢāđŒāļŠāļ‚āļ­āļ‡āđ€āļĢāļēāđ€āļāļĩāđˆāļĒāļ§āļāļąāļšāļāļēāļĢāđ€āļ—āļĢāļ™āđāļšāļšāļāļĢāļ°āļˆāļēāļĒāđāļĨāļ°āļāļēāļĢāđƒāļŠāđ‰āļŦāļ™āđˆāļ§āļĒāļ„āļ§āļēāļĄāļˆāļģāļ­āļĒāđˆāļēāļ‡āļĄāļĩāļ›āļĢāļ°āļŠāļīāļ—āļ˜āļīāļ āļēāļž

  • āļĢāļ°āļ”āļąāļš: āļĢāļ°āļ”āļąāļšāļŠāļđāļ‡
  • āđ€āļ§āļĨāļē: 4 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡
  • āļ„āđˆāļēāđƒāļŠāđ‰āļˆāđˆāļēāļĒ: āļĢāļ§āļĄāđƒāļ™āļŠāļĄāļēāļŠāļīāļ DataCamp āļšāļ—āđāļĢāļāđ€āļĢāļĩāļĒāļ™āļŸāļĢāļĩ
  • āđ€āļŦāļĄāļēāļ°āļŠāļģāļŦāļĢāļąāļš: āļ§āļīāļĻāļ§āļāļĢāļ—āļĩāđˆāļ•āđ‰āļ­āļ‡āđ€āļ—āļĢāļ™āļŦāļĢāļ·āļ­āļ›āļĢāļąāļšāđāļ•āđˆāļ‡āđ‚āļĄāđ€āļ”āļĨāļ—āļĩāđˆāđƒāļŦāļāđˆāđ€āļāļīāļ™ GPU āđ€āļ”āļĩāļĒāļ§

āđ€āļĢāļēāđ„āļĄāđˆāđāļŠāļ”āļ‡āļ„āļ°āđāļ™āļ™āđ€āļĢāļ•āļ•āļīāđ‰āļ‡āļŠāļģāļŦāļĢāļąāļšāļ„āļ­āļĢāđŒāļŠāļ™āļĩāđ‰ āđ€āļ™āļ·āđˆāļ­āļ‡āļˆāļēāļāļĄāļĩāļĢāļĩāļ§āļīāļ§ 109 āļĢāļēāļĒāļāļēāļĢ āļ•āđˆāļģāļāļ§āđˆāļēāđ€āļāļ“āļ‘āđŒ 200 āđāļĄāđ‰āļˆāļ°āļĄāļĩāļāļēāļĢāļ›āļĢāļąāļšāđ€āļ™āļ·āđ‰āļ­āļŦāļēāđƒāļ™ āļž.āļ„. 2026

āļ„āļ­āļĢāđŒāļŠāļ„āļĢāļ­āļšāļ„āļĨāļļāļĄāļāļēāļĢāđ€āļ—āļĢāļ™āđāļšāļšāļāļĢāļ°āļˆāļēāļĒāļ”āđ‰āļ§āļĒ Accelerator āđāļĨāļ° Trainer āļ§āļīāļ˜āļĩāļĨāļ”āđ€āļ§āļĨāļēāđ€āļ—āļĢāļ™ āđāļĨāļ°āļ­āļ­āļ›āļ•āļīāđ„āļĄāđ€āļ‹āļ­āļĢāđŒāļ—āļĩāđˆāđƒāļŠāđ‰āļŦāļ™āđˆāļ§āļĒāļ„āļ§āļēāļĄāļˆāļģāļ­āļĒāđˆāļēāļ‡āļĄāļĩāļ›āļĢāļ°āļŠāļīāļ—āļ˜āļīāļ āļēāļž āđ‚āļ”āļĒāđ‚āļŸāļāļąāļŠāļ—āļĩāđˆāđ‚āļĄāđ€āļ”āļĨāļ āļēāļĐāļēāļ‚āļ™āļēāļ”āđƒāļŦāļāđˆ āđƒāļŠāđ‰āđ€āļ§āļĨāļēāļ›āļĢāļ°āļĄāļēāļ“ 4 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡ āđāļĨāļ°āļˆāļąāļ”āļĢāļ°āļ”āļąāļšāđ€āļ›āđ‡āļ™āļĢāļ°āļ”āļąāļšāļŠāļđāļ‡āđƒāļ™āđāļ„āļ•āļ•āļēāļĨāđ‡āļ­āļāļ‚āļ­āļ‡āđ€āļĢāļē

2. Scalable AI Models with PyTorch Lightning

āļ„āļ­āļĢāđŒāļŠāļ‚āļ­āļ‡āđ€āļĢāļēāđ€āļāļĩāđˆāļĒāļ§āļāļąāļšāļāļēāļĢāļˆāļąāļ”āļĢāļ°āđ€āļšāļĩāļĒāļšāđ‚āļ„āđ‰āļ”āđ€āļ—āļĢāļ™ PyTorch āļ”āđ‰āļ§āļĒ Lightning

  • āļĢāļ°āļ”āļąāļš: āļĢāļ°āļ”āļąāļšāļāļĨāļēāļ‡
  • āđ€āļ§āļĨāļē: 3 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡
  • āļ„āđˆāļēāđƒāļŠāđ‰āļˆāđˆāļēāļĒ: āļĢāļ§āļĄāđƒāļ™āļŠāļĄāļēāļŠāļīāļ DataCamp āļšāļ—āđāļĢāļāđ€āļĢāļĩāļĒāļ™āļŸāļĢāļĩ
  • āđ€āļŦāļĄāļēāļ°āļŠāļģāļŦāļĢāļąāļš: āļ—āļĩāļĄāļ—āļĩāđˆāļ•āđ‰āļ­āļ‡āļāļēāļĢāđ‚āļ„āđ‰āļ”āđ€āļ—āļĢāļ™āļ—āļĩāđˆāđ€āļ›āđ‡āļ™āļĢāļ°āđ€āļšāļĩāļĒāļšāđāļĨāļ°āļ—āļģāļ‹āđ‰āļģāđ„āļ”āđ‰

āđ€āļĢāļēāđ„āļĄāđˆāđāļŠāļ”āļ‡āļ„āļ°āđāļ™āļ™āđ€āļĢāļ•āļ•āļīāđ‰āļ‡āļŠāļģāļŦāļĢāļąāļšāļ„āļ­āļĢāđŒāļŠāļ™āļĩāđ‰āđ€āļŠāđˆāļ™āļāļąāļ™ āđ€āļ™āļ·āđˆāļ­āļ‡āļˆāļēāļāļĄāļĩ 126 āļĢāļĩāļ§āļīāļ§ āļ„āļĢāļ­āļšāļ„āļĨāļļāļĄāļāļēāļĢāļŠāļĢāđ‰āļēāļ‡āđ‚āļĄāđ€āļ”āļĨāđāļšāļšāđ‚āļĄāļ”āļđāļĨāļēāļĢāđŒāđƒāļ™ PyTorch Lightning āđ€āļ—āļ„āļ™āļīāļ„āļāļēāļĢāđ€āļ—āļĢāļ™āļ‚āļąāđ‰āļ™āļŠāļđāļ‡ āđāļĨāļ°āļāļēāļĢāļ›āļĢāļąāļšāđāļ•āđˆāļ‡āđ‚āļĄāđ€āļ”āļĨāđƒāļŦāđ‰āļŠāđ€āļāļĨāđ„āļ”āđ‰

āđƒāļŠāđ‰āđ€āļ§āļĨāļēāļ›āļĢāļ°āļĄāļēāļ“ 3 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡

āļ•āļąāļ§āđ€āļĨāļ·āļ­āļāļ‚āļ­āļ‡āđ€āļĢāļē: āđ€āļĨāļ·āļ­āļ Efficient AI Model Training with PyTorch āļŦāļēāļāļ›āļąāļāļŦāļēāļ„āļ·āļ­āļ•āđ‰āļ™āļ—āļļāļ™āļāļēāļĢāđ€āļ—āļĢāļ™āļŦāļĢāļ·āļ­āļŦāļ™āđˆāļ§āļĒāļ„āļ§āļēāļĄāļˆāļģ GPU āđ€āļĨāļ·āļ­āļ Scalable AI Models with PyTorch Lightning āļŦāļēāļāļ›āļąāļāļŦāļēāļ„āļ·āļ­āđ‚āļ„āđ‰āļ”āđ€āļ—āļĢāļ™āļ—āļĩāđˆāļĒāļļāđˆāļ‡āđ€āļŦāļĒāļīāļ‡

āđāļ—āļĢāđ‡āļ Deep Learning āļ—āļĩāđˆāļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”

āđāļ—āļĢāđ‡āļāļ„āļ·āļ­āļŠāļļāļ”āļ„āļ­āļĢāđŒāļŠāļ—āļĩāđˆāđ€āļĢāļĩāļĒāļ™āļ•āļēāļĄāļĨāļģāļ”āļąāļš āđ€āļŦāļĄāļēāļ°āļŠāļģāļŦāļĢāļąāļšāļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™āļ—āļĩāđˆāļ•āđ‰āļ­āļ‡āļāļēāļĢāđ€āļŠāđ‰āļ™āļ—āļēāļ‡āļ—āļĩāđˆāļĄāļĩāđ‚āļ„āļĢāļ‡āļŠāļĢāđ‰āļēāļ‡āļ•āļąāđ‰āļ‡āđāļ•āđˆāđ€āļ„āļĢāļ·āļ­āļ‚āđˆāļēāļĒāđāļĢāļāđ„āļ›āļˆāļ™āļ–āļķāļ‡āđ‚āļĄāđ€āļ”āļĨāļ‚āļąāđ‰āļ™āļŠāļđāļ‡ āđ‚āļ”āļĒāđ„āļĄāđˆāļ•āđ‰āļ­āļ‡āđ€āļĨāļ·āļ­āļāļ—āļĩāļĨāļ°āļ„āļ­āļĢāđŒāļŠ

1. Deep Learning in Python

āđāļ—āļĢāđ‡āļ deep learning āļŦāļĨāļąāļāļ‚āļ­āļ‡āđ€āļĢāļē āļŠāļĢāđ‰āļēāļ‡āļˆāļēāļ 5 āļ„āļ­āļĢāđŒāļŠ PyTorch āļ‚āđ‰āļēāļ‡āļ•āđ‰āļ™

āđ€āļĢāļ•āļ•āļīāđ‰āļ‡
4.8/5
10,099 āļĢāļĩāļ§āļīāļ§
āļ„āļ­āļĢāđŒāļŠ
5
āđƒāļ™āđāļ—āļĢāđ‡āļāļ™āļĩāđ‰
āļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™
92K
āļ„āļ­āļĢāđŒāļŠāļ—āļĩāđˆāļĄāļĩāļ„āļ™āđ€āļĢāļĩāļĒāļ™āļĄāļēāļāļ—āļĩāđˆāļŠāļļāļ”
  • āļĢāļ°āļ”āļąāļš: āļĢāļ°āļ”āļąāļšāļāļĨāļēāļ‡āļ–āļķāļ‡āļĢāļ°āļ”āļąāļšāļŠāļđāļ‡
  • āđ€āļ§āļĨāļē: āļ›āļĢāļ°āļĄāļēāļ“ 18 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡
  • āļ„āđˆāļēāđƒāļŠāđ‰āļˆāđˆāļēāļĒ: āļĢāļ§āļĄāđƒāļ™āļŠāļĄāļēāļŠāļīāļ DataCamp āļšāļ—āđāļĢāļāđ€āļĢāļĩāļĒāļ™āļŸāļĢāļĩ
  • āđ€āļŦāļĄāļēāļ°āļŠāļģāļŦāļĢāļąāļš: āļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™āļ—āļĩāđˆāļ•āđ‰āļ­āļ‡āļāļēāļĢāđ€āļŠāđ‰āļ™āļ—āļēāļ‡āđ€āļ”āļĩāļĒāļ§āļ„āļĢāļšāļˆāļš deep learning āđƒāļ™ PyTorch

āđāļ—āļĢāđ‡āļāļ›āļĢāļ°āļāļ­āļšāļ”āđ‰āļ§āļĒ Introduction to Deep Learning with PyTorch, Intermediate Deep Learning with PyTorch, Deep Learning for Images with PyTorch, Deep Learning for Text with PyTorch āđāļĨāļ° Transformer Models with PyTorch āļ•āļēāļĄāļĨāļģāļ”āļąāļš āļ—āļąāđ‰āļ‡ 5 āļ„āļ­āļĢāđŒāļŠāļ­āļąāļ›āđ€āļ”āļ•āđƒāļ™āļŠāđˆāļ§āļ‡ 18 āđ€āļ”āļ·āļ­āļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē

āđ€āļĢāļ•āļ•āļīāđ‰āļ‡āđ€āļ›āđ‡āļ™āļ„āđˆāļēāđ€āļ‰āļĨāļĩāđˆāļĒāļ–āđˆāļ§āļ‡āļ™āđ‰āļģāļŦāļ™āļąāļāļ•āļēāļĄāļĢāļĩāļ§āļīāļ§āļ‚āļ­āļ‡āļ—āļąāđ‰āļ‡ 5 āļ„āļ­āļĢāđŒāļŠ āđ€āļžāļĢāļēāļ°āļŦāļ™āđ‰āļēāđāļ—āļĢāđ‡āļāđ„āļĄāđˆāļĄāļĩāđ€āļĢāļ•āļ•āļīāđ‰āļ‡āļ‚āļ­āļ‡āļ•āļąāļ§āđ€āļ­āļ‡

2. Hugging Face Fundamentals

āđāļ—āļĢāđ‡āļāđ€āļŠāļīāļ‡āļ›āļĢāļ°āļĒāļļāļāļ•āđŒāļŠāļģāļŦāļĢāļąāļšāļāļēāļĢāđƒāļŠāđ‰āđ‚āļĄāđ€āļ”āļĨ deep learning āļŠāļģāđ€āļĢāđ‡āļˆāļĢāļđāļ›

āđ€āļĢāļ•āļ•āļīāđ‰āļ‡
4.8/5
8,969 āļĢāļĩāļ§āļīāļ§
āļ„āļ­āļĢāđŒāļŠ
4
āđƒāļ™āđāļ—āļĢāđ‡āļāļ™āļĩāđ‰
āļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™
39K
āļ„āļ­āļĢāđŒāļŠāļ—āļĩāđˆāļĄāļĩāļ„āļ™āđ€āļĢāļĩāļĒāļ™āļĄāļēāļāļ—āļĩāđˆāļŠāļļāļ”
  • āļĢāļ°āļ”āļąāļš: āļĢāļ°āļ”āļąāļšāļ•āđ‰āļ™āļ–āļķāļ‡āļĢāļ°āļ”āļąāļšāļāļĨāļēāļ‡
  • āđ€āļ§āļĨāļē: āļ›āļĢāļ°āļĄāļēāļ“ 12 āļŠāļąāđˆāļ§āđ‚āļĄāļ‡
  • āļ„āđˆāļēāđƒāļŠāđ‰āļˆāđˆāļēāļĒ: āļĢāļ§āļĄāđƒāļ™āļŠāļĄāļēāļŠāļīāļ DataCamp āļšāļ—āđāļĢāļāđ€āļĢāļĩāļĒāļ™āļŸāļĢāļĩ
  • āđ€āļŦāļĄāļēāļ°āļŠāļģāļŦāļĢāļąāļš: āļœāļđāđ‰āļ›āļāļīāļšāļąāļ•āļīāļ‡āļēāļ™āļ—āļĩāđˆāļ­āļĒāļēāļāđƒāļŠāđ‰āđ‚āļĄāđ€āļ”āļĨ deep learning āļĄāļēāļāļāļ§āđˆāļēāļŠāļĢāđ‰āļēāļ‡āđ€āļ­āļ‡

āđāļ—āļĢāđ‡āļāļ„āļĢāļ­āļšāļ„āļĨāļļāļĄ Working with Hugging Face, Introduction to LLMs in Python, Multi-Modal Models with Hugging Face āđāļĨāļ° AI Agents with Hugging Face smolagents āđ€āļ›āđ‡āļ™āđ€āļŠāđ‰āļ™āļ—āļēāļ‡āļ—āļĩāđˆāđ€āļĢāđ‡āļ§āļāļ§āđˆāļēāđƒāļ™āļāļēāļĢāļ›āļĨāđˆāļ­āļĒāļœāļĨāļ‡āļēāļ™āļ—āļĩāđˆāđƒāļŠāđ‰ deep learning

āđ€āļĢāļēāđ„āļĄāđˆāļĢāļ§āļĄāđāļ—āļĢāđ‡āļ Keras Fundamentals āđ€āļ™āļ·āđˆāļ­āļ‡āļˆāļēāļ 3 āđƒāļ™ 4 āļ„āļ­āļĢāđŒāļŠāļĒāļąāļ‡āđ„āļĄāđˆāđ„āļ”āđ‰āļ­āļąāļ›āđ€āļ”āļ•āđ€āļ™āļ·āđ‰āļ­āļŦāļēāđƒāļ™āļŠāđˆāļ§āļ‡ 18 āđ€āļ”āļ·āļ­āļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē

āļ•āļąāļ§āđ€āļĨāļ·āļ­āļāļ‚āļ­āļ‡āđ€āļĢāļē: āđ€āļĨāļ·āļ­āļāđāļ—āļĢāđ‡āļ Deep Learning in Python āļŦāļēāļāļ•āđ‰āļ­āļ‡āļāļēāļĢāđ€āļ‚āđ‰āļēāđƒāļˆāđāļĨāļ°āļŠāļĢāđ‰āļēāļ‡āđ‚āļ„āļĢāļ‡āļ‚āđˆāļēāļĒāļ›āļĢāļ°āļŠāļēāļ—āđ€āļ—āļĩāļĒāļĄ āđ€āļĨāļ·āļ­āļ Hugging Face Fundamentals āļŦāļēāļāļ•āđ‰āļ­āļ‡āļāļēāļĢāļ™āļģāđ„āļ›āļ›āļĢāļ°āļĒāļļāļāļ•āđŒāđƒāļŠāđ‰

āđ€āļĢāļēāđ€āļĨāļ·āļ­āļāļ„āļ­āļĢāđŒāļŠāđ€āļŦāļĨāđˆāļēāļ™āļĩāđ‰āļ­āļĒāđˆāļēāļ‡āđ„āļĢ

āļ§āļ‡āļāļēāļĢ deep learning āđ€āļ›āļĨāļĩāđˆāļĒāļ™āđ€āļĢāđ‡āļ§ āļ„āļ­āļĢāđŒāļŠāļ—āļĩāđˆāļŠāļ­āļ™āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļĄāļ·āļ­āļ—āļĩāđˆāļ–āļđāļāļ•āđ‰āļ­āļ‡āđ€āļĄāļ·āđˆāļ­āļŠāļēāļĄāļ›āļĩāļāđˆāļ­āļ™āļ­āļēāļˆāđ„āļĄāđˆāļŠāđˆāļ§āļĒāđāļĨāđ‰āļ§ āđ€āļĢāļēāļˆāļķāļ‡āļĄāļ­āļ‡āļŦāļēāļ„āļ­āļ™āđ€āļ—āļ™āļ•āđŒāļ—āļĩāđˆāļ­āļąāļ›āđ€āļ”āļ•āļāđˆāļ­āļ™āđ€āļ›āđ‡āļ™āļ­āļĒāđˆāļēāļ‡āđāļĢāļ āļ„āļ­āļĢāđŒāļŠāļ—āļļāļāļ„āļ­āļĢāđŒāļŠāļ—āļĩāđˆāļ™āļĩāđˆāļ­āļąāļ›āđ€āļ”āļ•āđƒāļ™āļŠāđˆāļ§āļ‡ 18 āđ€āļ”āļ·āļ­āļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē āļ‹āļķāđˆāļ‡āđ€āļ›āđ‡āļ™āđ€āļŦāļ•āļļāļœāļĨāļ—āļĩāđˆāļšāļēāļ‡āļ„āļ­āļĢāđŒāļŠāđ€āļāđˆāļēāļ—āļĩāđˆāđ€āļ›āđ‡āļ™āļ—āļĩāđˆāļĢāļđāđ‰āļˆāļąāļāđ„āļĄāđˆāđ„āļ”āđ‰āļ­āļĒāļđāđˆāđƒāļ™āļĨāļīāļŠāļ•āđŒ

āđ€āļĢāļēāļĒāļąāļ‡āđƒāļŦāđ‰āļ™āđ‰āļģāļŦāļ™āļąāļāļāļąāļšāļ„āļ­āļĢāđŒāļŠāļ—āļĩāđˆāđƒāļŦāđ‰āđ€āļ‚āļĩāļĒāļ™āđāļĨāļ°āđ€āļ—āļĢāļ™āđ‚āļĄāđ€āļ”āļĨāļˆāļĢāļīāļ‡ āđ„āļĄāđˆāđƒāļŠāđˆāđāļ„āđˆāļ™āļąāđˆāļ‡āļ”āļđāļœāļđāđ‰āļ­āļ·āđˆāļ™āļ—āļģ āļ•āļąāļ§āđ€āļĨāļ·āļ­āļāļŠāđˆāļ§āļ™āđƒāļŦāļāđˆāđƒāļŠāđ‰ PyTorch āđ€āļžāļĢāļēāļ°āļĄāļĩāđāļ™āļ§āđ‚āļ™āđ‰āļĄāļˆāļ°āļžāļšāđƒāļ™āļ‡āļēāļ™āļ§āļīāļˆāļąāļĒāļ›āļąāļˆāļˆāļļāļšāļąāļ™ āđ‚āļ„āļĢāļ‡āļāļēāļĢāđ‚āļ­āđ€āļžāļ™āļ‹āļ­āļĢāđŒāļŠ āđāļĨāļ°āļ›āļĢāļ°āļāļēāļĻāļĢāļąāļšāļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™

āļ‚āđ‰āļ­āļ„āļīāļ”āļŠāđˆāļ‡āļ—āđ‰āļēāļĒ

āļ„āļ™āļŠāđˆāļ§āļ™āđƒāļŦāļāđˆāļ„āļ§āļĢāđ€āļĢāļĩāļĒāļ™ deep learning āļ”āđ‰āļ§āļĒ PyTorch āđ‚āļ”āļĒāđ€āļĢāļīāđˆāļĄāļˆāļēāļ Introduction to Deep Learning with PyTorch āļ‚āļ­āļ‡āđ€āļĢāļē āđ€āļ•āļīāļĄāļŠāđ€āļ›āđ€āļŠāļĩāļĒāļĨāđ„āļĨāđ€āļ‹āļŠāļąāļ™āļ‚āļ­āļ‡ DeepLearning.AI āļŦāļēāļāļ•āđ‰āļ­āļ‡āļāļēāļĢāļ—āļĪāļĐāļŽāļĩāđ€āļŠāļīāļ‡āļĨāļķāļ āļŦāļĢāļ·āļ­āļ„āļ­āļĢāđŒāļŠāļ‚āļ­āļ‡ fast.ai āđ€āļ›āđ‡āļ™āļ­āļĩāļāļ•āļąāļ§āđ€āļĨāļ·āļ­āļāļ—āļĩāđˆāļ”āļĩ

āļŦāļĨāļąāļ‡āļžāļ·āđ‰āļ™āļāļēāļ™āđāļĨāđ‰āļ§ āđƒāļŦāđ‰āļ•āļēāļĄāļāļĢāļ“āļĩāđƒāļŠāđ‰āļ‡āļēāļ™ āđ€āļĨāļ·āļ­āļ Deep Learning for Images with PyTorch āļŠāļģāļŦāļĢāļąāļšāļ‡āļēāļ™āļ āļēāļž Transformer Models with PyTorch āļŠāļģāļŦāļĢāļąāļšāđ‚āļĄāđ€āļ”āļĨāļ āļēāļĐāļē āļŦāļĢāļ·āļ­ Working with Hugging Face āļŦāļēāļāļ•āđ‰āļ­āļ‡āļāļēāļĢāđƒāļŠāđ‰āđ‚āļĄāđ€āļ”āļĨāļ—āļĩāđˆāļĄāļĩāļ­āļĒāļđāđˆ

āļŦāļąāļ§āļ‚āđ‰āļ­