PyTorch — Техники и инструменты экосистемы (Курс 2)
Оригинал: Course 2 - PyTorch - Techniques and Ecosystem Tools
Скачать курс по Глубокое обучение. PyTorch — Техники и инструменты экосистемы (Курс 2)
Нужен архив курса целиком?
Мы отправим ссылку на полный архив с оригиналом, переводом и материалами. Просто напишите администратору info@russiancourses.net и укажите, что именно нужно (можем поделиться вариантами отдельно).
Пропущены номера уроков?
Если в нумерации есть паузы, значит часть занятий текстовые или в виде файлов. Их можно найти в разделе «Материалы курса»: скачайте архив, чтобы получить все конспекты и дополнительные задания.
Превью: 1.1. Разговор между Лоуренсом Мороуней и Эндрю Нг
Превью: 1.1. Разговор между Лоуренсом Мороуней и Эндрю Нг
Это первый урок бесплатного курса "PyTorch — Техники и инструменты экосистемы (Курс 2)". Зарегистрируйтесь для доступа ко всем 29 урокам курса.
Раздел
О курсе
- ⚙️ Применять продвинутые техники оптимизации гиперпараметров с помощью библиотеки Optuna
- 📈 Использовать планировщики скорости обучения и методы борьбы с переобучением
- 🧮 Проводить профилирование моделей с помощью PyTorch Profiler для измерения производительности и оптимизации вычислительных ресурсов
- 🧠 Применять transfer learning и тонкую настройку предварительно обученных моделей под новые задачи
- 📷 Работать с библиотекой TorchVision для задач компьютерного зрения — загрузка, преобразование и аугментация изображений
- 💬 Использовать Hugging Face для обработки естественного языка и адаптации языковых моделей
- 🧩 Построение гибких архитектур нейросетей для различных задач
- ⚡ Методы измерения эффективности и производительности моделей
- 🛠 Техники повышения стабильности и скорости обучения
- 📊 Использование экосистемных инструментов PyTorch для компьютерного зрения и NLP
- 🎓 4 модуля, обновлённых и оптимизированных под современные стандарты 2024 года
- 💻 Практические лаборатории с реальными проектами
- 🧠 Конкретные примеры оптимизации моделей и улучшения их архитектуры
- 📜 Сертификат DeepLearning.AI, подтверждающий профессиональные навыки работы с PyTorch
Сводка
Информация о курсе
materials.zip
-
1. 1.1. Разговор между Лоуренсом Мороуней и Эндрю Нг
Оригинал: 1.1. A Conversation Between Laurence Moroney And Andrew Ng
RU -
2. 1.2. Добро пожаловать на курс 2
Оригинал: 1.2. Welcome To Course 2
RU -
3. 1.3. Метрики оценки
Оригинал: 1.3. Evaluation Metrics
RU -
4. 1.4. Введение в оптимизацию
Оригинал: 1.4. Introduction to Optimization
RU -
5. 1.6. Планы изменения скорости обучения
Оригинал: 1.6. Learning Rate Schedulers
RU -
6. 1.8. Настройка гиперпараметров
Оригинал: 1.8. Tuning Hyperparameters
RU -
7. 1.10. Гибкое проектирование архитектуры
Оригинал: 1.10. Flexible Architecture Design
RU -
8. 1.11. Оптимизация гиперпараметров с помощью Optuna
Оригинал: 1.11. Hyperparameter Optimization With Optuna
RU -
9. 1.13. Оптимизация эффективности модели
Оригинал: 1.13. Optimizing Model Efficiency
RU -
10. 2.1. Введение в Torch Vision
Оригинал: 2.1. Introduction to Torch Vision
RU -
11. 2.2. Torch Vision преобразования
Оригинал: 2.2. Torch Vision Transforms
RU -
12. 2.3. Torch Vision: Предобработка и Аугментация
Оригинал: 2.3. Torch Vision Preprocessing Pipeline And Augmentation
RU -
13. 2.6. Torch Vision наборы данных
Оригинал: 2.6. Torch Vision Datasets
RU -
14. 2.8. Torch Vision модели
Оригинал: 2.8. Torch Vision Models
RU -
15. 2.9. Transfer Learning и настройка
Оригинал: 2.9. Transfer Learning And Fine Tuning
RU -
16. 2.10. Утилиты Torch Vision для визуализации
Оригинал: 2.10. Torch Vision Utility Functions for Visualization
RU -
17. 3.1. Введение в NLP с PyTorch
Оригинал: 3.1. Introduction to NLP with PyTorch
RU -
18. 3.2. Токенизация
Оригинал: 3.2. Tokenization
RU -
19. 3.3. Использование предварительно обученного токенизатора
Оригинал: 3.3. Using A Pretrained Tokenizer
RU -
20. 3.5. Тензоризация
Оригинал: 3.5. Tensorization
RU -
21. 3.6. Введение в Embeddings
Оригинал: 3.6. Introduction to Embeddings
RU -
22. 3.7. Реализация эмбеддингов в PyTorch
Оригинал: 3.7. Implementing Embeddings In PyTorch
RU -
23. 3.10. Создание простого текстового классификатора в PyTorch
Оригинал: 3.10. Building a Simple Text Classifier in PyTorch
RU -
24. 3.12. Тонкая настройка предварительно обученных моделей классификации текста
Оригинал: 3.12. Fine Tuning Pretrained Text Classification Models
RU -
25. 4.1. Введение в эффективные каналы данных
Оригинал: 4.1. Introduction to Efficient Data Pipelines
RU -
26. 4.2. Пакетная обработка и другие настройки загрузчика данных
Оригинал: 4.2. Batching And Other Data Loader Settings
RU -
27. 4.4. Профилирование
Оригинал: 4.4. Profiling
RU -
28. 4.7. Оптимизация учебных циклов
Оригинал: 4.7. Optimizing Training Loops
RU -
29. 4.9. Что еще можно сделать с Lightning
Оригинал: 4.9. What Else Can You Do With Lightning
RU