
Deep Learning with Excel
hjk1000
Let's visually learn the principles of deep learning using Excel.
입문
Excel, Deep Learning(DL), VBA
Hãy cùng tìm hiểu sâu các nguyên tắc bằng cách triển khai các thuật toán từ đầu mà không cần thư viện deep learning :)


Thuật toán học sâu hoạt động như thế nào
Triển khai thuật toán học sâu hoàn hảo
Ví dụ ứng dụng của các mô hình học sâu chính khác nhau

Transformer, CNN, RNN... Bạn đã từng nghe đến những mô hình này chưa?
Vậy thì, để tôi hỏi bạn một câu nhé.
"Mô hình nào, CNN hay Transformer có cùng kích thước, cần nhiều dữ liệu đào tạo hơn?"
Nếu bạn được hỏi câu hỏi này trong một cuộc phỏng vấn, liệu bạn có thể trả lời một cách thỏa đáng không? 🤔
Thế giới học sâu không ngừng phát triển, với những mô hình mới liên tục xuất hiện. Tuy nhiên, cốt lõi của sự thay đổi này nằm ở những khái niệm cốt lõi vẫn không đổi . Bài giảng này sẽ khám phá những khái niệm cốt lõi này , đặt nền móng cho sự hiểu biết sâu sắc về học sâu.
Thông qua khóa học này, bạn sẽ học cách triển khai các mô hình chính từ đầu, với những giải thích rõ ràng, dựa trên thống kê! Khi đã nắm vững các mô hình cốt lõi, bạn sẽ có thể dễ dàng triển khai và áp dụng các mô hình khác. Các mô hình học sâu mới liên tục xuất hiện, nhưng chúng thường được xây dựng dựa trên và điều chỉnh các mô hình hiện có, vì vậy việc hiểu rõ các mô hình cốt lõi là rất quan trọng .
Việc tích hợp việc triển khai (các dự án thực hành) vào chương trình học đặt ra nhiều thách thức cho các nhà giáo dục. Việc triển khai đòi hỏi nhiều yếu tố, bao gồm thiết lập môi trường, gỡ lỗi và quản lý phiên bản. Tuy nhiên, khối lượng công sức khổng lồ dành cho công tác chuẩn bị có thể khiến sinh viên mất tập trung vào việc học, và đôi khi thậm chí dẫn đến việc bỏ dở khóa học giữa chừng.
Để giảm thiểu những khó khăn này , toàn bộ mã được sử dụng trong lớp học đều được cung cấp thông qua Colab , do đó bạn có thể tham gia lớp học mà không gặp bất kỳ hạn chế nào về môi trường miễn là bạn có trình duyệt internet .
Chúng tôi cũng cung cấp nhiều tài liệu học tập khác nhau.
✅ Hơn 70 slide bài giảng phong phú trình bày chi tiết các nguyên tắc của mô hình.
✅ Mã hóa trực tiếp cho phép bạn hiểu sâu hơn về quy trình triển khai mã hóa.
✅ Chúng tôi cung cấp các bài tập thực hành để bạn có thể tự kiểm tra kiến thức của mình.

Slide bài giảng

Mã thực hành Colab
Tôi hy vọng bạn sẽ hoàn thành bài giảng của tôi và làm quen với trí tuệ nhân tạo. 💪
Người mới bắt đầu học trí tuệ nhân tạo lần đầu tiên
Khóa học này bao gồm tất cả các mô-đun khác nhau của học sâu và những kiến thức cơ bản, khiến nó trở thành lựa chọn hoàn hảo cho những ai muốn học từ đầu.
Người học nông cạn
Chuẩn hóa theo lô là gì và tại sao nó lại cần thiết? Bạn có thể trả lời rõ ràng những câu hỏi này không? Nếu bạn đã từng tiếp xúc với học sâu nhưng thấy khó khăn, hãy thử củng cố lại kiến thức về các khái niệm cốt lõi!
Bạn có thể hiểu đúng các khái niệm cơ bản về học sâu.
Bạn có thể học các khái niệm cơ bản thông qua việc triển khai bằng cách triển khai các yếu tố cơ bản của học sâu, chẳng hạn như lan truyền ngược và chính quy hóa, chỉ sử dụng thư viện numpy mà không cần nền tảng như Pytorch.
Bạn có thể hiểu đầy đủ các mô hình học sâu chính như CNN, RNN, Seq2Seq, Word Vector và Transformer thông qua chiều sâu khái niệm và triển khai từ đầu.

Học sâu: Học từ gốc
Các yếu tố cơ bản của học sâu có thể được học chỉ bằng cách sử dụng thư viện numpy.
Bạn có thể học các khái niệm cốt lõi bằng cách thực hành chúng.

Một lời giải thích lý thuyết hoàn chỉnh dựa trên số liệu thống kê
Vì học sâu là công nghệ dựa trên thống kê nên cần có kiến thức thống kê cơ bản.
Nhờ đó, bạn có thể hiểu chính xác các mô hình học sâu.
Cựu tiến sĩ và nhà nghiên cứu tại Viện Khoa học và Công nghệ Tiên tiến Hàn Quốc (KAIST)
Hiện tại) Giáo sư tại Viện Khoa học và Công nghệ Gwangju (GIST)

Mỗi slide bài học và liên kết Colab đều được cung cấp.
Ngay cả khi bạn chỉ có thể thực hiện Python cơ bản, bạn vẫn có thể theo học lớp này.
Tất cả các bài tập sẽ được thực hiện trong Colab để việc thiết lập trở nên dễ dàng nhất có thể.
Chúng tôi đặc biệt khuyến nghị bạn làm theo mã Colab được cung cấp và hoàn thành các bài tập thực hành. Khóa học này được thiết kế để giúp bạn hiểu sâu hơn về lý thuyết thông qua thực hành.
Khóa học này dành cho ai?
Những người mới làm quen với deep learning
Bất cứ ai muốn hiểu cả cách thực hiện và lý thuyết
Các nhà nghiên cứu/nhà phát triển muốn hiểu đúng những điều cơ bản
Những người muốn hiểu các nguyên tắc bằng cách thực hiện nó một cách tỉ mỉ ngay từ đầu
618
Học viên
10
Đánh giá
5.0
Xếp hạng
1
Khóa học
안녕하세요. 로봇AI를 연구하는 광주과학기술원 AI대학원 김의환입니다.
1) multi-modal perception
2) general-purpose navigation
3) mobile manipulation
연구 관련 더 자세한 내용은 GIST ACSL 홈페이지를 참조해주세요.
앞으로 여러분에게 도움이 되는 강의로 만나겠습니다 :)
Tất cả
77 bài giảng ∙ (24giờ 28phút)
Tất cả
10 đánh giá
5.0
10 đánh giá
Đánh giá 97
∙
Đánh giá trung bình 4.2
Đánh giá 23
∙
Đánh giá trung bình 5.0
Đánh giá 4
∙
Đánh giá trung bình 4.8
Đánh giá 3
∙
Đánh giá trung bình 5.0
Đánh giá 2
∙
Đánh giá trung bình 5.0
Miễn phí
Khám phá các khóa học khác trong cùng lĩnh vực!