[Udemy] Helen Kapatsa — Ускоренный курс PyTorch (2021)

RUB ₽75.00

Курс вдохновлен материалами Патрика Лебера и продолжит пополняться вплоть до конца 2021 г.
Технологии: PyTorch (backward, Dataset, DataLoader, math, nn, optim, utils), NumPy, TensorBoard

Добавить в список желаний
Добавить в список желаний
Категория:
Если вы сомневаетесь в нашей честности, то напишите нам по контактам на сайте. по ссылке: https://unimys.com/obratnaya-svyaz/
Любой курс стоит от 50 до 150 рублей (цена не зависит от стоимость продажи у автора)
  • После оплаты вы сразу же получаете курсы на e-mail;
  • Низкая цена;
  • Легко оплатить (мы используем все популярные платежные системы).

Если вы оплатили продукт, и он не пришел вам на почту в течение 30 минут, то свяжитесь с нами по ссылке: https://unimys.com/zakaz-ne-prishel/

Описание

Чему вы научитесь

  • Основы Машинного и Глубокого обучения

Требования

  • Middle-навыки Python

Описание
В этом уроке мы узнаем, как работать с PyTorch. Это одна из самых популярных сред машинного и глубокого обучения. С ним действительно интересно работать и разрабатывать крутые приложения. Итак, я надеюсь, что вы посмотрите это введение и узнаете все о необходимых основах для этого фреймворка.

Здесь Вы познакомитесь со следующими концепциями:

  • Установка, проверка фреймворка
  • Тензоры и базовые операции с ними (сложение, вычитание, умножение, деление). В этом видео мы узнаем, как работать с тензорами, как создавать их и осуществлять некоторые базовые операции. Мы также узнаем, как преобразовать массивы NumPy в тензоры PyTorch и наоборот.
  • Вычисление градиента с помощью Autograd и его оптимизация. Сегодня мы узнаем о пакете Autograd в PyTorch и о том, как с его помощью вычислять градиенты. Вы наверняка помните, что в моделях кластеризации, логистической и линейной регрессиях можно уточнять границы кластеров, формы кривых и положение прямой. Градиент может делать все это, оптимизируя модели.
  • Обратное распространение ошибки. В этом видео я постараюсь объяснить знаменитый алгоритм Backpropagation.
  • Градиентный спуск с Autograd. В этом уроке я покажу вам конкретный пример оптимизации модели с автоматическим вычислением градиента Autograd. Мы начнем с реализации алгоритма линейной регрессии, где каждый шаг выполним вручную. Создадим прогнозирующее уравнение и функцию потерь. Затем выполним вычисление градиентов и реализуем алгоритм градиентного спуска для оптимизации наших параметров. Когда завершим эти вычисления, то увидим, как можем заменить вычисленные вручную градиенты.
  • Пайплайн: автоматизация обучения и оптимизации модели. Заменим вычисленные вручную потери и обновления параметров, используя соответствующие классы PyTorch. Мы также заменим прогнозирование модели вручную, после чего библиотека сможет выполнить за нас весь пайплайн – набор действий, включающий построение модели и ее оптимизацию.
  • Пакетное обучение: классы Dataset и DataLoader, встроенные датасеты, подгрузка данных из файлов, раскладывание эпох обучения на партии (batches)

Курс вдохновлен материалами Патрика Лебера и продолжит пополняться вплоть до конца 2021 г.
Технологии: PyTorch (backward, Dataset, DataLoader, math, nn, optim, utils), NumPy, TensorBoard

Для кого этот курс:

  • Дата-сайентисты, ML-инженеры

 

Отзывы

Отзывов пока нет.

Будьте первым, кто оставил отзыв на “[Udemy] Helen Kapatsa — Ускоренный курс PyTorch (2021)”

Ваш адрес email не будет опубликован. Обязательные поля помечены *