Khám phá Deep Learning với Excel
hjk1000
Học nguyên lý deep learning trực quan với Excel.
입문
Excel, Deep Learning(DL), VBA
BEST
Chinh phục hoàn toàn lý thuyết deep learning + thực hành PyTorch
Đây là bài giảng dạy “các khái niệm cốt lõi” về deep learning cần thiết để tham gia vào công việc deep learning và các kỹ năng thực tế cần thiết để thực hiện các dự án deep learning thực tế thông qua thực hành sử dụng PyTorch.
(4.9) 46 đánh giá
432 học viên
이론 실습 모두
개념정리
딥러닝기초
딥러닝모델
자연어처리
Deep Learning(DL)
PyTorch
Computer Vision(CV)
NLP
transformer
Đánh giá từ những học viên đầu tiên
Dịch cái này sang tiếng Việt
Học sâu hoạt động như thế nào
Các khái niệm cốt lõi của deep learning (hàm mất mát, giảm độ dốc, phân biệt tự động, v.v.)
Tạo mô hình tùy chỉnh với PyTorch
Các mô hình chính của deep learning (CNN, RNN, Transformer)
Thực hành về thị giác máy tính
Thực hành xử lý ngôn ngữ tự nhiên
Để bù đắp cho những thiếu sót của các trại huấn luyện và các lớp học chính
Chỉ chứa nội dung thực tế
Có rất nhiều trại huấn luyện và khóa học về học sâu, nhưng tôi không thấy nơi nào cung cấp hướng dẫn chuyên sâu, phù hợp với ngành. Họ chủ yếu tập trung vào các kỹ thuật học máy truyền thống như rừng ngẫu nhiên và máy vectơ hỗ trợ. Ngay cả khi nói đến học sâu, tôi không nghĩ có nơi nào cung cấp phương pháp tiếp cận thực hành toàn diện, bao gồm cả lý thuyết và thực hành. Do đó, ngay cả khi bạn tham gia các khóa học này, kỹ năng cơ bản của bạn có thể vẫn còn yếu, khiến bạn khó vượt qua các cuộc phỏng vấn kỹ thuật hoặc trở thành một kỹ sư ML thành công.
Ví dụ, nhiều khóa học và trại huấn luyện học sâu dạy về gradient descent, nhưng lại không giải thích về phép vi phân tự động, điều này giúp thực hiện gradient descent một cách hiệu quả. Vì tất cả các nền tảng học sâu (PyTorch, TensorFlow, v.v.) đều được xây dựng dựa trên phép vi phân tự động, nên việc hiểu phép vi phân tự động được coi là thiết yếu để đạt được "sự hiểu biết về học sâu".
Ngược lại, khóa học này hướng đến việc bao quát tất cả các khái niệm cốt lõi về học sâu mà nhiều trại huấn luyện và bài giảng bỏ qua .
Và trong khóa học này, chúng ta sẽ không dừng lại ở việc giới thiệu các khái niệm mà sẽ đi sâu hơn vào "lý do chúng được sử dụng", "ý nghĩa của chúng", "chúng được đề xuất trong bối cảnh nào", "chúng có tác dụng gì", v.v. và thông qua nhiều Dự án đồ chơi thực tế và bài tập thực hành, bạn sẽ học cách lý thuyết được triển khai và áp dụng vào mã liên quan đến lý thuyết.
Ví dụ, chúng tôi đề cập đến những nội dung sau:
Khuyến nghị cho
những người này
Khóa học này dành cho ai?
Chuẩn bị cho công việc hoặc thay đổi công việc với tư cách là kỹ sư học máy/học sâu
Mục tiêu tuyển sinh sau đại học AI
Bất cứ ai muốn học machine learning/deep learning đúng cách
Những người mong muốn củng cố năng lực lý thuyết và thực hành trong deep learning
Những người đã tham gia một số bài giảng về deep learning và chương trình đào tạo nhưng thất vọng
Những người chuẩn bị cho cuộc phỏng vấn kỹ thuật kỹ sư ML
Những người không chuyên ngành chuẩn bị làm việc với tư cách là kỹ sư ML
Cần biết trước khi bắt đầu?
Tiếng Anh và toán cấp trung học
Python cơ bản
Numpy cơ bản
432
Học viên
46
Đánh giá
34
Trả lời
4.9
Xếp hạng
1
Khóa học
경력:
(현) ML Engineer @ MakinaRocks
(전) ML Engineer @ DearGen
(전) ML Engineer @ DeepBio
(전) Research Student @ UCL NLP Group, Streetbees
(전) Research Student @ ICL Photonics Lab
학력:
University College London (UCL): MSc in Machine Learning (머신러닝 석사) (학점: Distinction, GPA 4.0/4.0)
Imperial College London (ICL): BSc in Theoretical Physics (이론물리학 학사) (학점: First Class Honours, GPA 4.0/4.0)
소개:
5년차 Machine Learning Engineer입니다. (Google DeepMind가 출범하였고, Demis Hasabis가 박사과정을 한) University College London에서 머신러닝 석사를 전공하였습니다. 석사 때는 NLP에서 Knowledge Graph Embedding을 연구하였고, DeepBio에서는 Medical Diagnosis에 적용되는 Image Classification, Segmentation 딥러닝 모델들을 개발하였습니다. Deargen에서는 신약 개발의 Drug Target Interaction와 같은 문제 적용되는 GNN, RNN, Transformer 등등의 다양한 딥러닝 모델들을 적용한 경험이 있습니다. 현재 재직중인 MakinaRocks에서는 제조 현장의 로봇팔의 이상탐지에 적용되는 딥러닝 모델 및 머신러닝 시스템을 구축하고 있습니다.
Chương trình giảng dạy
Tất cả
143 bài giảng ∙ (13giờ 48phút)
Tài liệu khóa học:
Tài liệu bài giảng
Ngày đăng:
Cập nhật lần cuối:
Đánh giá
Tất cả
46 đánh giá
4.9
46 đánh giá
sguys996119Đánh giá 3
∙
Đánh giá trung bình 5.0
5
24% đã tham giaNó giúp ích rất nhiều cho việc ôn lại lý thuyết bằng cách chỉ ra cẩn thận những phần tôi đã sử dụng mà chưa biết nhiều về các khái niệm như hàm mất mát và trình tối ưu hóa. Tôi cũng đang mong chờ khóa học trình độ trung cấp!!
- peterbyun969574Giảng viên
Cảm ơn bạn đã tham gia khóa học :) Và tôi rất vui vì bạn thấy nó hữu ích! Chúng tôi sẽ chuẩn bị chăm chỉ hơn nữa cho bài giảng tiếp theo!
- elizadukim9676
Đánh giá 1
∙
Đánh giá trung bình 5.0
5
31% đã tham giaMặc dù khóa học này nhằm vào người mới bắt đầu, nhưng đây dường như là một khóa học tốt dành cho những học viên năm thứ hai và năm thứ ba để xem xét các khái niệm chính. Trong số vô số lý thuyết và bài viết về deep learning, các khái niệm cốt lõi quan trọng được sắp xếp một cách có cấu trúc và các bài giảng được phân tách bằng các khái niệm chính, giúp bạn dễ dàng tìm thấy nội dung mình cần. Nó rất hữu ích trong thực tế vì nó giải thích không chỉ khái niệm mà còn cả cách thực hiện một cách dễ hiểu. Tôi ước gì tôi đã học bài giảng này khi còn là sinh viên đại học, nhưng thật tiếc là bây giờ tôi mới biết đến bài giảng này. Tôi giới thiệu nó cho những ai muốn nắm bắt khái niệm và cách thực hiện cùng một lúc.
- seongwook
Đánh giá 18
∙
Đánh giá trung bình 5.0
5
22% đã tham giaTôi hiện đang làm việc như một nhà phát triển back-end. Lần đầu tiên tham gia khóa học, tôi còn lưỡng lự nhưng sau khi tham gia, tôi nghĩ mình đã lựa chọn đúng. Tôi luôn quan tâm đến việc trở thành kỹ sư ML nên đã tham gia khóa học. Tất nhiên, mối quan tâm gần đây của tôi đối với trí tuệ nhân tạo cũng là yếu tố quyết định việc tôi tham gia khóa học. Trước hết, tôi đã có thể hiểu những khái niệm mơ hồ đã học ở trường đại học một cách dễ hiểu. Đặc biệt, tôi rất thích hiểu các công thức vì chúng được giải thích dễ dàng trong các bài giảng lý thuyết. Đặc biệt, tôi nghĩ khóa học này rất phù hợp với một người chỉ có kiến thức cơ bản, sơ sài về ML như tôi. Để tham khảo, khi còn học cao học, tôi đã gặp khó khăn với luận án của mình. Tôi nghĩ sẽ rất hữu ích nếu bài giảng này được phổ biến vào thời điểm đó. Nếu bạn quan tâm đến chương trình cao học về trí tuệ nhân tạo hoặc cần nội dung khái niệm khi viết luận văn tốt nghiệp, tôi nghĩ sẽ rất hữu ích nếu bạn nghe nó ít nhất một lần.
- peterbyun969574Giảng viên
Xin chào! Tôi cảm thấy rất thất vọng với những tác động tiêu cực của hầu hết các chương trình đào tạo về deep learning và các bài giảng chỉ lướt qua những điều cơ bản, và thật không may là nhiều người được phỏng vấn từ các chương trình đào tạo mà tôi đã phỏng vấn chỉ có hiểu biết rất rời rạc về deep learning. trái tim. Vì vậy, tôi đã dành rất nhiều thời gian và công sức để tạo ra khóa học này và tôi thực sự vui vì bạn thấy nó rất hữu ích! Cảm ơn bạn đã tham gia lớp học!
- acelhj1123
Đánh giá 1
∙
Đánh giá trung bình 5.0
5
30% đã tham giaBài giảng này đề cập đến nhiều chủ đề deep learning từ cơ bản đến chủ đề nâng cao và tôi thích rằng nó áp dụng phương pháp thực hành bằng PyTorch. Thiết lập môi trường PyTorch, các khái niệm cơ bản về học sâu, hàm mất, giảm độ dốc, hàm kích hoạt, tối ưu hóa, chính quy hóa, lập lịch tốc độ học tập, khởi tạo, chuẩn hóa, CNN (Mạng thần kinh chuyển đổi), RNN (Mạng thần kinh tái phát) và các chủ đề mới nhất. Tôi thích vì nó đề cập đến nhiều chủ đề khác nhau, bao gồm cả Sự chú ý và Người biến hình. Bài giảng được thiết kế để dễ dàng tiếp cận ngay cả với người mới bắt đầu và mỗi phần bao gồm nhiều bài tập khác nhau kèm theo giải thích lý thuyết, vì vậy tôi đặc biệt thích việc người học có thể trải nghiệm các nguyên tắc của deep learning bằng cách viết mã của riêng mình. Đặc biệt, bạn có thể học từng bước một, bắt đầu từ những khái niệm cơ bản có thể áp dụng ngay vào thực tế đến các chủ đề nâng cao, vì vậy tôi nghĩ nó không chỉ được khuyến khích cho những người mới làm quen với lĩnh vực deep learning mà còn cả những người trong lĩnh vực này. lĩnh vực muốn làm mới kiến thức cơ bản của mình. Mỗi chủ đề đều được trình bày chuyên sâu thông qua thực hành đầy đủ và ví dụ, và thông qua đó, chúng tôi tin rằng người học sẽ có thể phát triển sự hiểu biết toàn diện về các khía cạnh khác nhau của deep learning và khả năng áp dụng nó để giải quyết các vấn đề thực tế. Tôi đặc biệt giới thiệu khóa học này cho bất kỳ ai quan tâm đến lĩnh vực học sâu, vì cấu trúc có hệ thống và cách tiếp cận hướng đến thực hành của khóa học cung cấp cho người học trải nghiệm thực tế cần thiết để thực sự sử dụng công nghệ học sâu.
- peterbyun969574Giảng viên
Cảm ơn bạn đã tham gia khóa học và viết bài đánh giá chi tiết như vậy. Chúng tôi đã suy nghĩ rất nhiều về việc xây dựng một chương trình giảng dạy bao gồm nhiều chủ đề, giải thích chúng một cách sâu sắc và dễ dàng nhất có thể, đồng thời cho phép sinh viên có được trải nghiệm thực tế thông qua thực hành thực hành. Tôi rất vui vì bạn thấy điều này hữu ích! Cảm ơn :)
- kyuyeonpooh9631
Đánh giá 1
∙
Đánh giá trung bình 5.0
5
31% đã tham giaBài giảng này có thể hữu ích cho cả những người mới tham gia vào lĩnh vực học sâu cũng như những người thực hành muốn xem lại các khái niệm quan trọng. Các bài giảng dường như được cấu trúc tốt từ dưới lên để những người mới làm quen với nó có thể theo dõi diễn biến bằng cách theo dõi mục lục, và những học viên hiện tại sẽ có thể nhanh chóng xem lại các khái niệm mà họ còn yếu. Mục lục và cấu trúc bên trong của bài giảng dường như đã nắm bắt tốt những yếu tố cần thiết và đưa vào đó mà không có bất kỳ yếu tố nào không cần thiết. Cấu trúc và nội dung rất rõ ràng. Ngoài ra, các bài giảng có cấu trúc tốt với nội dung có thể thu hút sự quan tâm từ góc độ của người học. Ví dụ, - Vậy phép toán nội bộ được thực hiện theo logic nào? - Vậy bạn thực hiện nó như thế nào? Tôi cảm thấy rằng hai điều này được phân biệt rõ ràng. Trên thực tế, nó chứa đựng nội dung trải nghiệm được xây dựng tốt, có thể học được không chỉ từ góc độ của người hướng dẫn mà còn từ góc độ thực hiện công việc.
- peterbyun969574Giảng viên
Cảm ơn bạn đã tham gia khóa học Cảm ơn bạn đã để lại một đánh giá rất chi tiết! Tôi đã suy nghĩ và nỗ lực rất nhiều khi biên soạn bài giảng này để có thể giải thích tất cả các khái niệm chính mà học sinh cần biết một cách dễ dàng nhất có thể. Cảm ơn bạn rất nhiều vì sự hiểu biết của bạn và điều đó thực sự rất bổ ích. Cảm ơn bạn đã xem xét!
5.969.777 ₫
Khóa học tương tự
Khám phá các khóa học khác trong cùng lĩnh vực!
![[TensorFlow 2] Hoàn thành cuộc chinh phục Python machine learning - Dự án dự đoán kỷ lục Marathon강의 썸네일](https://cdn.inflearn.com/public/courses/324207/course_cover/1a79c7dc-1624-4d3a-95ff-79ba1e9c4025/python_machine_learning.png?f=avif&w=420)
