AI 101

AI-101

Заметки, чтения, показания, образцы кода и ресурсы для обучения себя Pytorch и Tensorflow.

Этот класс ранее был преподавался как буткемп, но теперь является самостоятельным онлайн-ресурсом.

Больше похоже на это

Смотрите звезды Брэда Github для кураторской коллекции полезных ресурсов.

Курс

Сессия	Тема	Тодо
Подготовка	N/a	См. Подготовка.md
? Неделя 1	Роли, основы машинного обучения, технический стек	Как работает глубокое обучение и вступление в бесплатное программное обеспечение
? Неделя 1	? «Фонды» живые демонстрации	Руководство переводчика кода SuperDatascience
? Неделя 2	Окончательные идеи проекта	Выберите проект!
? Неделя 2	Универсальный рабочий процесс ML	Универсальный рабочий процесс ML и теория регрессии всего
? Неделя 3	Пара программирования, вопросы и ответы проекта	Работайте над вашим проектом
? Неделя 3	Техника данных, основы ETL и методы управления данными	Работайте над вашим проектом
? Неделя 4	Приложение OpenRouter Sommelier в AWS, Azure и GCP Cloud Setup Demo	Установка AWS Free Lair
? Неделя 5	? Функции метрик и потерь, модельная архитектура и гиперпараметры	60 -минутный Pytorch Blitz
? Неделя 7	? После буткемпа ...	Иди и победи!
? Недели 7-8	? Презентации проекта	хвастаться в Интернете

---

Окончательная последовательность проекта

Участники посвятят существенное время окончательным проектам, связанным с их карьерными устремлениями. Для множества прошлых презентаций и исходного кода посетите канал Брэда на YouTube.

Шаг	Подробности
? ️ Сбор данных и простая модель	Создать синтетические текстовые данные с использованием Scikit-LLM. Исследуйте наборы данных на Kaggle или обнимаю лицо.
? ️ Пользовательская модель (необязательно)	Новичок: Следуйте Tensorflow QuickStart для основных классификаторов изображения/текста. Рекомендуется: погрузитесь в 60 -минутный Blitz Pytorch, затем изучите классификацию текста Pytorch или классификацию изображений Pytorch. Более продвинутые: тонкая настройка модели с обнимающимся лицом для текста или? Классификация изображений. Apple Nerds используют только MLX.
Вызов и эксперимент (необязательно)	Advanced: исследуйте кроссплатформенные рамки, такие как Keras Core. ? Очень продвинутый: попытка повторить победную модель от Kaggle.

---