AI 101

AI-101

Vorlesungen, Lesungen, Code -Beispiele und Ressourcen, um sich selbst beizubringen, wie Pytorch und Tensorflow.

Diese Klasse wurde früher als Bootcamp unterrichtet, ist aber jetzt eine selbstverständliche Online-Ressource.

Eher so

In Brads Github Stars finden Sie eine kuratierte Sammlung hilfreicher Ressourcen.

Kursumriss

Sitzung	Thema	Todo
Vorbereitung	N / A	Siehe Vorbereitung.md
? Woche 1	Rollen, Grundlagen für maschinelles Lernen, Tech Stack	Wie tiefes Lernen funktioniert und in die kostenlose Software eingeht
? Woche 1	? "Foundations" Live -Demos	Superdatascience -Code -Interpreter -Leitfaden
? Woche 2	Letzte Projektideen	Wählen Sie ein Projekt aus!
? Woche 2	Der universelle ML -Workflow	Der universelle ML -Workflow und die Regressionstheorie von allem
? Woche 3	Paarprogrammierung, Projekt Q & A	Arbeiten Sie an Ihrem Projekt
? Woche 3	Data Engineering, ETL -Grundlagen und Datenranglingtechniken	Arbeiten Sie an Ihrem Projekt
? Woche 4	OpenRouter Sommelier App in AWS, Azure und GCP Cloud Setup Demo	Setup AWS Free Stufe
? Woche 5	? Metriken und Verlustfunktionen, Modellarchitektur und Hyperparameter	60 Minuten Pytorch Blitz
? Woche 7	? Nach dem Bootcamp ...	Geh hervor und gewinne!
? Wochen 7-8	? Projektpräsentationen	prahlen Sie online mit sich selbst

---

Endgültige Projektsequenz

Die Teilnehmer werden erhebliche Zeit für die endgültigen Projekte widmen, die ihren Karrierezielen ausrichten. Eine Reihe früherer Präsentationen und Quellcode finden Sie unter den YouTube -Kanal von Brad.

Schritt	Details
? Euen Datenerfassung und einfaches Modell	Generieren Sie synthetische Textdaten mit scikit-llm. Erkunden Sie Datensätze auf Kaggle oder umarmt das Gesicht.
? Euen Benutzerdefiniertes Modell (optional)	Anfänger: Befolgen Sie TensorFlow QuickStart für grundlegende Bild-/Textklassifizierer. Empfohlen: Tauchen Sie in 60 Minuten Pytorch -Blitz ein und erkunden Sie die Pytorch -Textklassifizierung oder Pytorch -Bildklassifizierung. Fortgeschrittener: Fein-abgestimmte Modelle mit umarmtem Gesicht für Text oder? Bildklassifizierung. Apple Nerds verwenden nur MLX.
Herausforderung und Experiment (optional)	Erweitert: Erforschen Sie plattformübergreifende Frameworks wie Keras Core. ? Sehr fortgeschritten: Versuchen Sie, ein Siegermodell von Kaggle zu replizieren.

---