Russian Courses
Бесплатно

PyTorch — Техники и инструменты экосистемы (Курс 2)

Превью: 1.1. Разговор между Лоуренсом Мороуней и Эндрю Нг

Зарегистрируйтесь для доступа ко всем 29 урокам курса.

Регистрация Войти

Выберите урок для просмотра

Содержание курса

Хотите смотреть этот курс?

Зарегистрируйтесь бесплатно, чтобы получить доступ ко всем урокам этого курса.

Регистрация Уже есть аккаунт? Войти

  • 1. 1.1. Разговор между Лоуренсом Мороуней и Эндрю Нг

  • 2. 1.2. Добро пожаловать на курс 2

  • 3. 1.3. Метрики оценки

  • 4. 1.4. Введение в оптимизацию

  • 5. 1.6. Планы изменения скорости обучения

  • 6. 1.8. Настройка гиперпараметров

  • 7. 1.10. Гибкое проектирование архитектуры

  • 8. 1.11. Оптимизация гиперпараметров с помощью Optuna

  • 9. 1.13. Оптимизация эффективности модели

  • 10. 2.1. Введение в Torch Vision

  • 11. 2.2. Torch Vision преобразования

  • 12. 2.3. Torch Vision: Предобработка и Аугментация

  • 13. 2.6. Torch Vision наборы данных

  • 14. 2.8. Torch Vision модели

  • 15. 2.9. Transfer Learning и настройка

  • 16. 2.10. Утилиты Torch Vision для визуализации

  • 17. 3.1. Введение в NLP с PyTorch

  • 18. 3.2. Токенизация

  • 19. 3.3. Использование предварительно обученного токенизатора

  • 20. 3.5. Тензоризация

  • 21. 3.6. Введение в Embeddings

  • 22. 3.7. Реализация эмбеддингов в PyTorch

  • 23. 3.10. Создание простого текстового классификатора в PyTorch

  • 24. 3.12. Тонкая настройка предварительно обученных моделей классификации текста

  • 25. 4.1. Введение в эффективные каналы данных

  • 26. 4.2. Пакетная обработка и другие настройки загрузчика данных

  • 27. 4.4. Профилирование

  • 28. 4.7. Оптимизация учебных циклов

  • 29. 4.9. Что еще можно сделать с Lightning

Скачать курс по Глубокое обучение. PyTorch — Техники и инструменты экосистемы (Курс 2)

Нужен архив курса целиком?

Мы отправим ссылку на полный архив с оригиналом, переводом и материалами. Просто напишите администратору info@russiancourses.net и укажите, что именно нужно (можем поделиться вариантами отдельно).

Пропущены номера уроков?

Если в нумерации есть паузы, значит часть занятий текстовые или в виде файлов. Их можно найти в разделе «Материалы курса»: скачайте архив, чтобы получить все конспекты и дополнительные задания.

Категория

Глубокое обучение

Длительность

3 ч 6 мин

Уроки

29 уроков

О курсе

Продвинутые техники PyTorch и инструменты экосистемы для создания эффективных моделей глубокого обучения ⚙️

PyTorch - Techniques and Ecosystem Tools — второй курс профессионального сертификата PyTorch for Deep Learning от DeepLearning.AI. Он создан для тех, кто хочет вывести свои навыки разработки нейросетей на новый уровень и научиться строить модели, готовые к производству.
Вы научитесь:

  • ⚙️ Применять продвинутые техники оптимизации гиперпараметров с помощью библиотеки Optuna
  • 📈 Использовать планировщики скорости обучения и методы борьбы с переобучением
  • 🧮 Проводить профилирование моделей с помощью PyTorch Profiler для измерения производительности и оптимизации вычислительных ресурсов
  • 🧠 Применять transfer learning и тонкую настройку предварительно обученных моделей под новые задачи
  • 📷 Работать с библиотекой TorchVision для задач компьютерного зрения — загрузка, преобразование и аугментация изображений
  • 💬 Использовать Hugging Face для обработки естественного языка и адаптации языковых моделей
В курсе вы освоите:

  • 🧩 Построение гибких архитектур нейросетей для различных задач
  • ⚡ Методы измерения эффективности и производительности моделей
  • 🛠 Техники повышения стабильности и скорости обучения
  • 📊 Использование экосистемных инструментов PyTorch для компьютерного зрения и NLP
Курс включает:

  • 🎓 4 модуля, обновлённых и оптимизированных под современные стандарты 2024 года
  • 💻 Практические лаборатории с реальными проектами
  • 🧠 Конкретные примеры оптимизации моделей и улучшения их архитектуры
  • 📜 Сертификат DeepLearning.AI, подтверждающий профессиональные навыки работы с PyTorch
Итог: вы научитесь создавать продуманные, производительные и гибкие модели на PyTorch, понимать внутренние механизмы оптимизации и применять инструменты экосистемы для решения реальных задач в области компьютерного зрения и обработки естественного языка.

Источник

Открыть источник
Назад к бесплатным курсам