PyTorch：深度学习和人工智能课程

本课程介绍了PyTorch在深度学习和人工智能领域的应用，以及该课程的内容和要求。它强调了PyTorch在人工智能领域的重要性，指出了它的优势，以及课程的设计和目标受众。同时提到了课程的主要内容，包括时间序列预测、股票预测、计算机视觉、生成对抗网络（GAN）、强化学习等方面。该讲座提供了“机器学习和人工智能先决条件路线图”，并强调了其独特功能，包括详细解释每一行代码，避免在键盘上“打字”浪费时间，并涵盖了大学水平的数学和其他课程可能遗漏的算法重要细节。

由 Lazy Programmer Team,Lazy Programmer Inc.
MP4创建 视频：h264，1280×720 | 音频：AAC、44.1 KHz、2 Ch
类型：电子学习 | 语言：英语+srt英文字幕 | 持续时间：150 场讲座（24 小时 18 分钟）| 大小：5.25 GB

用于计算机视觉、时间序列预测、NLP、GAN、强化学习等的神经网络！

您将学到什么
人工神经网络 (ANN) / 深度神经网络 (DNN)
预测股票收益
时间序列预测
计算机视觉
如何构建深度强化学习股票交易机器人
GAN（生成对抗网络）
推荐系统
图像识别
卷积神经网络 ( CNN）
循环神经网络 (RNN)
具有深度学习的自然语言处理 (NLP)
使用代码迁移学习来演示摩尔定律
，以创建最先进的图像分类器

要求
了解如何使用 Python 和 Numpy 进行编码
对于理论部分（可选），了解导数和概率

描述
欢迎使用 PyTorch：深度学习和人工智能！尽管 Google 的深度学习库 Tensorflow 在过去几年中获得了广泛的欢迎，但 PyTorch 已成为全球深度学习和人工智能专业人士和研究人员的首选库。有没有可能 Tensorflow 受欢迎只是因为 Google 受欢迎并且使用了有效的营销？为什么 Tensorflow 在版本 1 和版本 2 之间变化如此之大？它是否存在严重缺陷，是否仍然存在潜在问题？它不太好-已知 PyTorch 得到了另一家互联网巨头 Facebook（具体来说，Facebook AI 研究实验室 – FAIR）的支持。因此，如果您想要一个由价值数十亿美元的公司和大量社区支持支持的流行深度学习库，那么 PyTorch 不会出错。也许这是一个额外的好处，当库升级到下一个版本时，它不会完全破坏你所有的旧代码。;) 另一方面，众所周知，所有顶级人工智能商店（例如 OpenAI、Apple 和 JPMorgan Chase）都使用 PyTorch。OpenAI 最近在 2020 年转向了 PyTorch，这是 PyTorch 正在加速发展的一个强烈迹象。如果您是专业人士，您很快就会认识到使用 PyTorch 构建和测试新想法非常容易，而在其他库中可能会非常困难试图为你做一切。哦，而且速度更快。深度学习最近取得了一些惊人的成就，例如：生成从未存在过的人和事物的美丽、逼真的图像（GAN）在策略游戏围棋和复杂的视频游戏中击败世界冠军例如 CS:GO 和 Dota 2（深度强化学习）自动驾驶汽车（计算机视觉）语音识别（例如 Siri）和机器翻译（自然语言处理）甚至制作人们做和说他们从未做过的事情的视频（DeepFakes – a深度学习的潜在恶意应用）本课程适合初级学生一直到专家级学生。这是怎么回事？如果您刚刚学习了我的免费 Numpy 先决条件，那么您就知道立即投入使用所需的一切。我们将从一些非常基本的机器学习模型开始，然后逐步发展到最先进的概念。在此过程中，您将了解所有主要的深度学习架构，例如深度神经网络、卷积神经网络（图像处理）和递归神经网络（序列数据）。当前项目包括：自然语言处理（NLP）推荐系统计算机迁移学习VisionGenerative Adversarial Networks (GAN)深度强化学习股票交易机器人即使您已经学习了我之前的所有课程，您仍然会了解如何转换您以前的代码，以便它使用 PyTorch，并且有全新的和从未-本课程中以前见过的项目，例如时间序列预测以及如何进行股票预测。本课程是为想要快速学习的学生而设计的，但如果您想更深入地了解理论（例如什么是损失函数，以及有哪些不同类型的梯度），也有“深入”部分下降方法）。我采取的方法是，即使你不是 100% 熟悉数学概念，你仍然可以做到这一点！在本课程中，我们更多地关注 PyTorch 库，而不是推导任何数学方程。我已经有大量这方面的课程，所以这里没有必要重复。教师注意：本课程侧重于广度而不是深度，较少的理论有利于构建更酷的东西。如果您正在寻找理论更密集的课程，那么这不是您的选择。一般来说，对于每个主题（推荐系统、自然语言处理、强化学习、计算机视觉、GAN 等），我已经开设了专门针对这些主题的课程。感谢您的阅读，我们课堂上见！什么 ;订购我应该参加您的课程吗？：查看讲座“机器学习和人工智能先决条件路线图”（可在我的任何课程的常见问题解答中找到，包括免费的 Numpy 课程）独特的功能每一行详细解释的代码 – 如果您不同意，请随时给我发电子邮件 不会像其他课程一样浪费时间在键盘上“打字” – 说实话，没有人能真正从头开始在短短 20 分钟内编写出值得学习的代码 不怕大学水平的数学 -获取其他课程遗漏的有关算法的重要细节