Online cursus – Geaccrediteerde professionele stage in Packt Institute’s Ultimate Fireworks 2024

Leer diepgaand met PyTorch in een uitgebreide en praktische cursus. Ontwikkel, distribueer en innoveer met modellen in regressiemodellen, convolutionele neurale netwerken, GAN’s, NLP, aanbevelingssystemen, transformatoren en meer.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

starten Gemiddeld niveau oprukkende betrokken

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Terugkerende neurale netwerken (RNN)
  • genereren van netwerken (GAN)
  • PowerTorch (Machine Learning-bibliotheek)
  • Convolutionele neurale netwerken (CNN)
  • natuurlijke taalverwerking (NLP)

What you will learn in the course

Courses for which the course is suitable

  • Ontwikkelaar van kunstmatige intelligentie
  • data wetenschapper
  • Machine learning-ingenieur
  • Softwareontwikkelaar gespecialiseerd in PyTorch
  • Expert op het gebied van diepgaand leren
  • data-analist
  • Gegevensingenieur
  • Een onderzoeker op het gebied van kunstmatige intelligentie

Stage – een 3-delige cursusreeks

Beleef een transformatieve leerervaring met onze PyTorch Ultimate 2024-cursus. Begin met een sterke basis, begrijp de belangrijkste problemen en doelen en ga naadloos door de basisprincipes van machine learning en de principes van deep learning. Van het opzetten van uw omgeving tot het aansturen van tensoren en neurale netwerken, elk onderdeel is zorgvuldig opgebouwd om uw expertise te ontwikkelen.

Wat houdt de cursus in?

  • De basisprincipes van computationeel leren
  • De principes van diep leren
  • De omgeving instellen
  • Controle van tensoren en neurale netwerken

De geavanceerde modules verdiepen zich in de visualisatie van PyTorch, CNN’s, RNN’s, GAN’s en meer, zodat u voorop loopt in het snel evoluerende veld van kunstmatige intelligentie. Met praktische codeoefeningen en toepassingen uit de echte wereld is deze cursus uw toegangspoort om een ​​PyTorch-expert te worden.

Wie is er voor de cursus?

  • Technologieprofessionals
  • data wetenschappers
  • Liefhebbers van kunstmatige intelligentie

Het wordt aanbevolen dat je eerdere ervaring hebt met Python en de basisprincipes van machine learning. Aan het einde van de cursus bent u uitgerust met de vaardigheden om complexe kunstmatige-intelligentieprojecten aan te pakken en PyTorch te gebruiken voor innovatieve oplossingen.

Een praktisch leerproject

De opgenomen projecten bieden praktische ervaring, waarbij leerlingen hun vaardigheden toepassen op problemen uit de echte wereld. Deze projecten variëren van:

  • Neural netwerken vanaf het begin opbouwen
  • Ontwikkeling van complexe modellen voor de taken van het herkennen van beelden, stemmen en dingen

Door deel te nemen aan deze projecten zullen leerlingen echte problemen oplossen en hun vermogen verbeteren om krachtige deep learning-oplossingen toe te passen in een verscheidenheid aan praktische scenario’s.

Details of the courses that make up the specialization

FireTorch-basisprincipes en basisvoorwaarden

Cursus 1 • 6 uur

Cursusdetails

wat ga je leren

  • Opzetten en configureren van een FireTorch-omgeving.
  • Begrijp fundamentele concepten in AI en machine learning.
  • Bouw, train en evalueer neurale netwerken vanaf het begin, met behulp van verschillende optimalisatietechnieken.
  • Pas PowerTorch toe op praktische deep learning-taken.

Verwerf ondervaardigheden

  • Categorie: diep leren
  • Categorie: machinaal leren
  • Categorie: PowerTorch (Machine Learning-bibliotheek)
  • Categorie: neuraal netwerk

Neurale netwerken bouwen en trainen met FireTorch

Cursus 2 • 7 uur

Cursusdetails

wat ga je leren

  • Bouw en train neurale netwerken met FireTorch voor verschillende taken.
  • Pas classificatiemodellen toe met datasets met meerdere categorieën en meerdere labels, en CNN’s voor beeld- en geluidsclassificatie.
  • Gebruik objectdetectietechnieken met het YOLO-algoritme.
  • Onderzoek neurale stijloverdracht, breng leren over en pas RNN’s en LSTM-netwerken toe.

Verwerf ondervaardigheden

  • Categorie: Terugkerend neuraal netwerk (RNN)
  • Categorie: PowerTorch (Machine Learning-bibliotheek)
  • Categorie: CNN
  • Categorie: YOLO
  • Categorie: Classificatiemodellen

Geavanceerde PowerTorch-technieken en -toepassingen

Cursus 3 • 11 uur

Cursusdetails

wat ga je leren

  • Creëer en evalueer machine learning-modellen voor specifieke datasets, en evalueer de prestaties met de juiste statistieken.
  • Het ontwerpen van autocoders voor het verminderen van de dimensionaliteit en het creëren van GAN’s voor datavisualisatie, terwijl de kwaliteit wordt geanalyseerd.
  • Ontwikkeling van grafische neurale netwerken voor grafiekgegevens en toepassing van Transformers, waaronder Vision Transformers.
  • Modellen upgraden met semi-onder toezicht leren met behulp van beperkte gegevens, en deze distribueren met Flask op Google Cloud.

Verwerf ondervaardigheden

  • Categorie: Transformers
  • Categorie: automatisch donkerder
  • Categorie: aanbevelingssystemen
  • Categorie: FireTorch Bliksem
  • Categorie: GAN’s