Name: Deep Learning เบื้องต้นด้วย PyTorch
Rating: 4.819764910753157 (4594 reviews)

รายละเอียดคอร์ส

ทำความเข้าใจพลังของ Deep Learning

ดีปเลิร์นนิงอยู่ทุกที่: ในกล้องสมาร์ทโฟน ผู้ช่วยเสียง และรถยนต์ขับเคลื่อนอัตโนมัติ มันยังช่วยค้นพบโครงสร้างโปรตีนและเอาชนะมนุษย์ในเกมโกะได้อีกด้วย ค้นพบเทคโนโลยีอันทรงพลังนี้ และเรียนรู้วิธีใช้ประโยชน์จากมันด้วย PyTorch ซึ่งเป็นหนึ่งในไลบรารี deep learning ที่ได้รับความนิยมมากที่สุด

ฝึกฝนโครงข่ายประสาทเทียมแรกของคุณ

ก่อนอื่น มาทำความเข้าใจความแตกต่างระหว่างการเรียนรู้เชิงลึกและการเรียนรู้ของเครื่องแบบ "คลาสสิก" กันก่อน คุณจะได้เรียนรู้เกี่ยวกับกระบวนการฝึกของโครงข่ายประสาทเทียม และวิธีเขียนลูปการฝึก ในการทำเช่นนั้น คุณจะสร้างฟังก์ชันการสูญเสียสำหรับปัญหาการถดถอยและการจำแนกประเภท และใช้ PyTorch เพื่อคำนวณอนุพันธ์ของฟังก์ชันเหล่านั้น

ประเมินและปรับปรุงโมเดลของคุณ

ในช่วงครึ่งหลัง เรียนรู้เกี่ยวกับไฮเปอร์พารามิเตอร์ต่างๆ ที่คุณสามารถปรับเพื่อปรับปรุงโมเดลของคุณ หลังจากเรียนรู้เกี่ยวกับองค์ประกอบต่างๆ ของโครงข่ายประสาทเทียมแล้ว คุณจะสามารถสร้างสถาปัตยกรรมที่ใหญ่ขึ้นและซับซ้อนมากขึ้นได้ ในการวัดประสิทธิภาพของโมเดลของคุณ คุณจะใช้ TorchMetrics ซึ่งเป็นไลบรารีของ PyTorch สำหรับการประเมินโมเดล

เมื่อจบหลักสูตร คุณจะสามารถใช้ PyTorch เพื่อแก้ปัญหาการจำแนกประเภทและการถดถอยกับทั้งข้อมูลตารางและข้อมูลภาพด้วยการเรียนรู้เชิงลึก ความสามารถสำคัญสำหรับผู้เชี่ยวชาญด้านข้อมูลที่มีประสบการณ์ซึ่งต้องการก้าวหน้าในอาชีพของตน

ข้อกำหนดเบื้องต้น

Supervised Learning with scikit-learn Introduction to NumPy Python Toolbox

หลักสูตร

โครงสร้างคอร์ส

PyTorch และไลบรารี Deep Learning เบื้องต้น

รถยนต์ขับขี่อัตโนมัติ สมาร์ทโฟน เสิร์ชเอนจิน... deep learning อยู่รอบตัวเราในทุกวันนี้ ก่อนจะเริ่มสร้างโมเดลที่ซับซ้อน คุณจะได้ทำความรู้จักกับ PyTorch ซึ่งเป็น framework สำหรับ deep learning รวมถึงเรียนรู้การจัดการ tensor การสร้างโครงสร้างข้อมูลใน PyTorch และการสร้าง neural network แรกด้วย linear layers

เริ่มบทเรียน

สถาปัตยกรรมและไฮเปอร์พารามิเตอร์ของ Neural Network

ในการฝึก neural network ด้วย PyTorch คุณจะต้องทำความเข้าใจส่วนประกอบเพิ่มเติม เช่น activation function และ loss function จากนั้นจะพบว่าการฝึกโมเดลต้องอาศัยการลด loss function ซึ่งทำได้โดยการคำนวณ gradient และนำ gradient เหล่านั้นไปอัปเดตพารามิเตอร์ของโมเดล

เริ่มบทเรียน

การฝึก Neural Network ด้วย PyTorch

เมื่อเรียนรู้ส่วนประกอบสำคัญของ neural network แล้ว คุณจะได้ฝึกโมเดลโดยใช้ training loop พร้อมสำรวจปัญหาที่อาจเกิดขึ้น เช่น vanishing gradient และเรียนรู้วิธีแก้ไข ไม่ว่าจะเป็นการใช้ activation function แบบอื่น หรือการปรับ learning rate และ momentum

เริ่มบทเรียน

การประเมินและปรับปรุงโมเดล

การฝึกโมเดล deep learning ต้องอาศัยทั้งความรู้และประสบการณ์ เพื่อให้แน่ใจว่าโมเดลได้รับการฝึกอย่างถูกต้อง จำเป็นต้องติดตามค่าเมตริกต่าง ๆ ระหว่างการฝึก เช่น ค่า loss หรือค่าความแม่นยำ คุณจะได้เรียนรู้วิธีคำนวณเมตริกเหล่านี้และวิธีลด overfitting