23课时 ¥2380.00
课程简介
人工智能在各行业的迅速落地,使很多任务的完成成本大幅降低,效率显著提升。与此同时,作为其技术内核,机器学习和深度学习算法也越来越受到人们的关注,越来越多的行业的从业者都希望了解和学习机器学习与深度学习的相关原理,并希望将其与自己的领域相结合,拓展新思路,形成新的解决方案。
PyTorch是一个开源的Python机器学习库,基于Torch,用于自然语言处理等应用程序。2017年由Facebook人工智能研究院推出PyTorch。它是一个基于Python的可续计算包,提供包括如下功能:
1、具有强大的GPU加速的张量计算(如NumPy)。
2、包含自动求导系统的深度神经网络。
课程目标
熟悉PyTorch深度学习库的基本概念;
熟悉Python基础语法;
熟悉Anaconda环境配置与基本操作;
掌握Matplotlib可视化技术;
掌握Numpy技术基础;
掌握机器学习的基本原理;
掌握PyTorch基础;
掌握基于PyTorch的CNN手写数字识别编程实战;
掌握基于PyTorch的RNN sin声波时间序列预测编程实战。
适合人群
软件工程师、资深开发人员、人工智能工程师、图像设计人员、机器学习工程师、算法工程师、计算机视觉处理工程师。
课程目录
第0章 PyTorch应用与技术实战
PyTorch应用与技术实战-课程介绍
第1章 Python编程基础
语言基础-Anaconda
语言基础-Python基础语法 (1)
语言基础-Python基础语法 (2)
语言基础-Python基础语法 (3)
语言基础- Python面向对象编程 (1)
语言基础 Python面向对象编程 (2)
语言基础-NumPy基础
语言基础-Matplotlib基础
第2章 机器学习数学基础
数学原理-基础知识
数学原理-线性代数
数学原理-微积分
数学原理-概率统计 (1)
数学原理-概率统计 (2)
第3章 机器学习技术基础
机学习-机器学习基础 (1)
机学习-机学习基础 (2.
机器学习-经典算法
第4章 神经网络
机器学习-神经网络基础-神经网络概述
机器学习-神经网络基础-深度神经网络
机器学习-神经网络基础-卷积神经网络
机学习-神经网络基础-常见深度学习技术
第5章 PyTorch基础
经典框架-PyTorch基础
第6章 项目实战
关于学习流程
神经网络-单层感知机项目
神经网络-逻辑回归项目
神经网络-多分类逻辑回归项目
神经网络-多层感知机项目
深度神经网络-MNIST-PyTorch版
CNN-PyTorch
RNN-概述
RNN-PyTorch版