Прикладное глубокое обучение с использованием PyTorch (От нуля до мастерства)

Этот курс предлагает всестороннее введение в глубокое обучение с использованием PyTorch — наиболее популярной платформы для исследований в области машинного обучения. Начиная с основ тензоров, студенты пройдут полный цикл работы с машинным обучением, компьютерным зрением, модульной инженерии программного обеспечения, передачей обучения и развертыванием моделей. Учебная программа ориентирована на код, уделяя особое внимание практической реализации и экспериментам, что гарантирует, что студенты не только поймут теорию, но и смогут создавать, оптимизировать и развертывать надежные системы глубокого обучения.

Краткое резюме основных целей: овладеть всей экосистемой PyTorch, переходя от базовой математики к готовым к производству приложениям компьютерного зрения.

1. Реализовать весь цикл работы с машинным обучением в PyTorch — от базовых операций с тензорами до обучения, оценки и сохранения модели.
2. Разработать и развернуть архитектуры глубокого обучения, включая искусственные нейронные сети (ANN) и свёрточные нейронные сети (CNN), для сложных задач классификации и компьютерного зрения.
3. Перевести экспериментальный код в готовый к производству, модульный программный продукт, применяя стандартные практики инженерии и структуру каталогов.
4. Использовать продвинутые методы, такие как передача обучения и систематический контроль экспериментов (TensorBoard), чтобы достичь передовых результатов на собственных наборах данных.
5. Подготовить обученную модель для интерактивных веб-приложений и использовать современные функции PyTorch 2.0 для ускорения вывода.