【Udemy中英字幕】Deep Learning Bootcamp: Neural Networks with Python, PyTorch

深度学习训练营：使用 Python、PyTorch 的神经网络

在此一体化深度学习训练营中，使用 Python、PyTorch 和 TensorFlow 掌握神经网络、DNN 和 CNN。

讲师：AI Sciences

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

您将学到什么

• • 机器学习的基础知识。
• • 神经网络的基础知识。
• • 使用梯度下降算法训练深度神经网络 (DNN) 的基础知识。
• • 将深度学习用于 IRIS 数据集。
• • 对 PyTorch 中的张量及其运算有扎实的理解。
• • 建立和训练从基础到复杂的神经网络的能力。
• • 了解不同的损失函数、优化器和激活函数。
• • 已完成从 MRI 图像中检测脑肿瘤的项目，展示了您在深度学习和 PyTorch 方面的技能。
• • 扎实掌握 TensorFlow 基础知识
• • 构建深度学习模型的实践经验
• • 了解模型训练、评估和优化
• • 有信心探索更复杂的人工智能和机器学习项目

探索相关主题

• 深度学习
• 其他 IT 和软件
• 信息技术与软件

要求

• • 无需具备深度学习或数学的先验知识。您将从基础开始，逐步建立对该主题的知识。
• • 对 Python 编程有基本的了解。
• 不需要具有 TensorFlow 经验，但对机器学习概念和 Python 的基本了解将会有所帮助。

描述

您准备好通过掌握不止一种工具和框架来释放深度学习和人工智能的全部潜力了吗？本综合课程将指导您使用Python、PyTorch和TensorFlow （用于构建智能模型的最强大的库和框架）了解深度学习的基础知识。

无论您是初学者还是经验丰富的开发人员，本课程都提供循序渐进的学习体验，将理论概念与实际动手编码相结合。在本次旅程结束时，您将对神经网络有深入的了解，能够熟练应用深度神经网络 (DNN)来解决实际问题，并在卷积神经网络 (CNN)和从 MRI 图像检测脑肿瘤等尖端深度学习应用方面积累专业知识。

为什么选择这门课程？

本课程的突出之处在于提供了全面的学习路径，融合了三个领先框架（Python、PyTorch 和 TensorFlow）的基本方面。本课程非常重视动手实践和实际应用，您将从基础概念快速进步到掌握深度学习技术，最终创建复杂的 AI 模型。

主要亮点：

• Python：从基础开始学习 Python，进阶到实现深度学习算法所必需的高级编程。

• PyTorch：掌握用于神经网络的 PyTorch，包括张量运算、优化、自动求导和用于图像识别任务的 CNN。

• TensorFlow：释放 TensorFlow 创建强大深度学习模型的潜力，利用 Tensorboard 等工具进行模型可视化。

• 真实世界项目：将您的知识应用到令人兴奋的项目中，如IRIS 分类、从 MRI 图像中检测脑肿瘤等。

• 数据预处理和机器学习概念：学习关键的数据预处理技术和关键的机器学习原理，如梯度下降、反向传播和模型优化。

课程内容概述：

模块 1：深度学习和 Python 简介

• 介绍课程结构、学习目标和关键框架。

• Python 编程概述：从基础到高级，确保您可以自信地实现任何深度学习概念。

模块 2：使用 Python 和 NumPy 的深度神经网络 (DNN)

• 使用 Python 和 NumPy 进行编程：了解数组、数据框和数据预处理技术。

• 使用 NumPy 从头开始​​构建 DNN。

• 实现机器学习算法，包括梯度下降、逻辑回归、前馈和反向传播。

模块 3：使用 PyTorch 进行深度学习

• 了解张量及其在深度学习中的重要性。

• 对张量执行操作并了解 autograd 的自动微分。

• 使用 PyTorch 构建基本和复杂的神经网络。

• 实现 CNN 以实现高级图像识别任务。

• 最终项目：使用 MRI 图像检测脑肿瘤。

模块 4：掌握 TensorFlow 进行深度学习

• 深入研究 TensorFlow 并了解其核心功能。

• 使用 TensorFlow 构建您的第一个深度学习模型，从一个简单的神经元开始，逐渐进展到人工神经网络 (ANN)。

• TensorFlow Playground：试验各种模型并可视化性能。

• 探索先进的深度学习项目，学习梯度下降、时期、反向传播和模型评估等概念。

谁应该参加这门课程？

• 有抱负的数据科学家和机器学习爱好者渴望在神经网络方面发展深厚的专业知识。

• 软件开发人员希望通过 PyTorch 和 TensorFlow 扩展他们的技能。

• 有兴趣将深度学习应用于现实问题的商业分析师和人工智能爱好者。

• 任何热衷于了解深度学习如何推动医疗保健、自动驾驶等各个行业创新的人。

您将学到的内容：

• 使用 Python、NumPy 和 Pandas 进行编程以进行数据处理和模型开发。

• 如何使用 PyTorch 和 TensorFlow构建和训练深度神经网络和卷积神经网络。

• 实用的深度学习应用，如脑肿瘤检测和IRIS 分类。

• 关键的机器学习概念，包括梯度下降、模型优化等。

• 如何使用PyTorch 中的DataLoader等工具以及用于数据增强的 Transforms来有效地预处理和处理数据。

实践经验：

在本课程结束时，您不仅会学到理论，还将建立多个深度学习模型，获得实际项目的实践经验。

本课程适合哪些人：

• • 对数据科学感兴趣的任何人。
• • 想要在深度学习中利用真实数据集掌握 DNN 的人。
• • 想要在现实项目中实现 DNN 的人。
• • 软件开发人员和数据科学家希望通过 PyTorch 扩展他们的技能。
• • 想要进入深度学习和人工智能领域的初学者。
• • 对深度学习和 TensorFlow 感兴趣的人