/app_deep_learning_chinese

T81 558《深度神经网络应用（中文版）》- 个人翻译非官方

T81-558: 深度神经网络应用

该分支包含本课程不断发展的 PyTorch 版本。这是一项正在进行的工作，尚未完成。

本课程的内容随着技术的发展而变化，为了及时了解变化，请在 GitHub 上关注作者。

个人翻译的本书中文版发布在 link。

📖 教学大纲（目录）

Module 1: Python 预备知识

  • 1.1 课程概述
  • 1.2 Python 介绍
  • 1.3 Python 列表、字典、集合、JSON
  • 1.4 文件处理
  • 1.5 函数、Lambda 和 Map/Reduce

Module 2: Python 机器学习

  • 2.1 用于深度学习的 Pandas 介绍
  • 2.2 对 Pandas 中的类别进行编码
  • 2.3 分组、排序和随机打乱
  • 2.4 在 Pandas 中使用 Apply 和 Map
  • 2.5 Pandas 中的特征工程

Module 3: PyTorch 神经网络

  • 3.1 深度学习和神经网络简介
  • 3.2 PyTorch 介绍
  • 3.3 为 PyTorch 深度学习编码特征向量
  • 3.4 提前停止和网络持续
  • 3.5 PyTorch 中的序列与类

Module 4: 表格数据训练

  • 4.1 使用基于 PyTorch 的 K-Fold 交叉验证
  • 4.2 PyTorch 训练策略
  • 4.3 Dropout 正则化
  • 4.4 批归一化（BN）
  • 4.5 用于表格数据的 RAPIDS

Module 5: CNN 与计算机视觉

  • 5.1 在 Python 中处理图像
  • 5.2 使用卷积神经网络
  • 5.3 使用预训练网络模型
  • 5.4 看看生成器和图像增强
  • 5.5 使用 YOLO 识别多张图像

Module 6: ChatGPT 和大型语言模型（LLM）

  • 6.1 介绍 Transformer
  • 6.2 访问 ChatGPT API
  • 6.3 Llama, Alpaca, 和 LORA
  • 6.4 介绍 Embeddings
  • 6.5 Prompt 工程

Module 7: 图像生成模型

  • 7.1 介绍生成式 AI
  • 7.2 使用 StyleGAN3 生成人脸
  • 7.3 使用 GAN 增强老照片
  • 7.4 使用 Stable Diffusion 实现文本生成图像
  • 7.5 使用 Dreambooth 进行微调

Module 8: Kaggle

  • 8.1 介绍 Kaggle
  • 8.2 使用 Scikit-Learn 和 PyTorch 构建集成
  • 8.3 您应该如何构建 PyTorch 神经网络：超参数
  • 8.4 PyTorch 的贝叶斯超参数优化
  • 8.5 本学期的 Kaggle

Module 9: 面部识别

  • 9.1 检测照片中的人脸
  • 9.2 检测人脸特征
  • 9.3 图像增强
  • 9.4 应用：情绪检测
  • 9.5 应用：眨眼率

Module 10: PyTorch 中的时间序列

  • 10.1 利用 PyTorch 构建用于深度学习的时间序列数据编码
  • 10.2 季节性和趋势
  • 10.3 使用 PyTorch 构建基于 LSTM 的时间序列
  • 10.4 使用 PyTorch 构建基于 CNN 的时间序列
  • 10.5 使用 Meta Prophet 进行预测

Module 11: 自然语言处理

  • 11.1 介绍自然语言处理
  • 11.2 介绍 Hugging Face
  • 11.3 Hugging Face 分词器
  • 11.4 Hugging Face 数据集
  • 11.5 在 Hugging Face 中训练模型

Module 12: 强化学习

  • 12.1 介绍强化学习
  • 12.2 Farama-Foundation Gymnasium
  • 12.3 分类强化学习
  • 12.4 持续强化学习
  • 12.5 强化学习应用

Module 13: 部署和监控

  • 13.1 Flask 和深度学习 Web 服务
  • 13.2 中断和继续训练
  • 13.3 将 PyTorch 深度神经网络与 Web 应用程序结合使用
  • 13.4 何时重新训练你的神经网络
  • 13.5 张量处理单元 (TPU)

👏 Acknowledgments

  • 本书为个人翻译可能存在笔误，如果发现问题大家可以 pull request。
  • 如果各位朋友觉得有用，希望能给个 star 支持鼓励下，感谢。
  • 如有侵权，立即删除。

Return