Podsumowanie

Wprowadzenie do uczenia głębokiego z PyTorch

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

Podsumowanie

Rozdział 1
- Odkrycie głębokiego uczenia
- Tworzenie małych sieci neuronowych
- Odkrycie warstw liniowych
Rozdział 2
- Funkcje straty i aktywacji
- Obliczanie pochodnych
- Propagacja wsteczna

Rozdział 3
- Trenowanie sieci neuronowej
- Eksperymenty ze współczynnikiem uczenia i momentem
- Poznanie ich wpływu na model
Rozdział 4
- Strategie doskonalenia modelu
- Redukcja przeuczenia
- Ocena wydajności modelu

Kolejne kroki

Kursy
- Intermediate Deep Learning with PyTorch
- Explainable AI in Python
Nauka
- Rachunek prawdopodobieństwa i statystyka
- Algebra liniowa
- Rachunek różniczkowy

Praktyka
- Wybór zbioru danych z Kaggle
- Detecting Cybersecurity Threats using Deep Learning
- Trenowanie sieci neuronowej
Tworzenie
- Zastosowanie głębokiego uczenia do tworzenia aplikacji

Powodzenia!

Wprowadzenie do uczenia głębokiego z PyTorch

Preparing Video For Download...