DeepLearning MuLi Notes

"การเรียนรู้ด้วยมือในการเรียนรู้อย่างลึกซึ้ง"

แรงจูงใจในโครงการ/ หลักสูตรแนะนำหลักสูตร/ หลักสูตรแคตตาล็อก/ ตำราเรียน/ โน้ต/ โฟลเดอร์คำอธิบาย/ ผู้จัดงาน/ ผู้สนับสนุน

---

แรงจูงใจในโครงการ

"การเรียนรู้ด้วยมืออย่างลึกซึ้ง" เป็นชุดวิดีโอการเรียนรู้เชิงลึกที่สอนโดย Mr. Li Mu (หัวหน้านักวิทยาศาสตร์อาวุโสของ AWS, Ph.D. , ภาควิชาวิทยาศาสตร์คอมพิวเตอร์, Carnegie Mellon University, USA) โครงการนี้รวบรวม หมายเหตุ Markdown โดยละเอียดและ รหัส Jupyter ที่เกี่ยวข้องในระหว่างการเรียนรู้วันหยุดฤดูหนาวของเรา การให้ใครบางคนดอกกุหลาบจะทิ้งน้ำหอมไว้ในมือของคุณ เราโอเพนซอร์สหมายเหตุ Markdown ทั้งหมด เราหวังว่าในขณะที่เรียนรู้ด้วยตัวเองมันจะเป็นประโยชน์สำหรับทุกคนในการเรียนรู้และอาจารย์สอน "การเรียนรู้ด้วยมือของอาจารย์ Li Mu

คุณสมบัติของโครงการนี้:

1. หมายเหตุ Markdown สอดคล้องกับวิดีโอหลักสูตรต้นฉบับทีละคนซึ่งสามารถช่วยให้ทุกคนเข้าใจในขณะที่ฟังชั้นเรียน
2. รหัส Jupyter มีคำอธิบายประกอบของจีนอย่างละเอียดเพื่อช่วยให้ทุกคนเริ่มต้นด้วยการฝึกฝนได้เร็วขึ้น

มีวิดีโอทั้งหมด 73 รายการ และระยะเวลาเฉลี่ยของวิดีโอเดียว ไม่เกิน 30 นาที คาดว่าการศึกษาจะเสร็จสิ้น ภายใน 40 วันของวันหยุดฤดูหนาว

ป้ายที่ใช้ในโครงการนี้มาจากอินเทอร์เน็ต หากละเมิดลิขสิทธิ์ภาพของคุณโปรดติดต่อเราเพื่อลบออก ขอบคุณ

การแนะนำหลักสูตร

โดยปกติเมื่อเราพูดถึงการเรียนรู้อย่างลึกซึ้งเรามักจะลืมว่าการเรียนรู้อย่างลึกซึ้งเป็นเพียงส่วนเล็ก ๆ ของการเรียนรู้ของเครื่องจักรและคิดว่ามันเป็นโมดูลแยกต่างหากที่ไม่ขึ้นกับการเรียนรู้ของเครื่อง นี่เป็นเพราะการเรียนรู้ของเครื่องจักรซึ่งเป็นวินัยที่มีประวัติยาวนานขึ้นมีแอพพลิเคชั่นที่แคบในโลกแห่งความเป็นจริงก่อนที่จะได้รับการปล่อยตัวอย่างลึกซึ้ง ในสาขาการรู้จำเสียงการมองเห็นคอมพิวเตอร์การประมวลผลภาษาธรรมชาติ ฯลฯ การเรียนรู้ของเครื่องมักจะเป็นเพียงส่วนเล็ก ๆ ของการแก้ปัญหาเพื่อแก้ปัญหาโดเมนเหล่านี้เนื่องจากความรู้ของโดเมนจำนวนมากที่จำเป็นและความเป็นจริงนั้นซับซ้อนมาก แต่ในช่วงไม่กี่ปีที่ผ่านมาการถือกำเนิดและการประยุกต์ใช้การเรียนรู้อย่างลึกซึ้งได้นำความประหลาดใจมาสู่โลกส่งเสริมการพัฒนาอย่างรวดเร็วของการมองเห็นคอมพิวเตอร์การประมวลผลภาษาธรรมชาติการจดจำการพูดอัตโนมัติการเรียนรู้เสริมแรงและการสร้างแบบจำลองทางสถิติและค่อยๆนำเทรนด์

ในหลักสูตร "การเรียนรู้อย่างลึกซึ้งด้วยมือ" ไม่เพียง แต่มีความรู้พื้นฐานเล็กน้อยเกี่ยวกับการเรียนรู้ของเครื่องจักรเช่น เครือข่ายประสาทเชิงเส้นเครื่องรับรู้หลายชั้น ฯลฯ นอกจากนี้ยังมี รูปแบบการเรียนรู้ที่หลากหลายที่ใช้ในการใช้งานที่ทันสมัย: รวมถึง Lenet, Resnet, LSTM, Bert ... ในเวลาเดียวกันคำอธิบายของแต่ละบทก็มีรหัสตำราเรียน ฯลฯ ที่ใช้โดย Pytorch ซึ่งสามารถช่วยให้นักเรียนได้เรียนรู้แบบจำลองพื้นฐาน

ทรัพยากรหลักสูตร

• เว็บไซต์การสอน Bilibili: การเรียนรู้เชิงลึก (เสร็จสิ้น)
• URL ตำราเรียน: "การเรียนรู้เชิงลึกแบบมือ" (เวอร์ชันภาษาจีน), "ดำดิ่งสู่การเรียนรู้ลึก" 0.17.1 เอกสารประกอบ
• หน้าแรกของหลักสูตร: https://courses.d2l.ai/zh-v2/
• Forum URL: Disction.d2l.ai, therch.pytorch

นอกจากนี้หลักสูตรนี้มีการใช้งานรหัสที่สอดคล้องกัน แต่ละบทมี Jupyter Notepad ที่สอดคล้องกันให้รหัส Python ที่สมบูรณ์ของแบบจำลอง และทรัพยากรทั้งหมดสามารถรับได้ฟรีออนไลน์

แคตตาล็อกตำราเรียน

"การเรียนรู้แบบลึกมือ" (เวอร์ชันภาษาจีน) และเวอร์ชันภาษาอังกฤษดำดิ่งลงสู่การเรียนรู้ลึก 0.17.1 เอกสารประกอบการเรียนรู้เอกสารและลิงค์บทที่มีดังนี้:

บท	เวอร์ชันภาษาจีน	เวอร์ชันภาษาอังกฤษ
1	คำนำ	การแนะนำ
2	ความรู้ในการเตรียมการ	รอบคัดเลือก
3	เครือข่ายประสาทเชิงเส้น	เครือข่ายประสาทเชิงเส้น
4	เครื่องตรวจจับหลายชั้น	หลายชั้น perceptrons
5	การคำนวณการเรียนรู้อย่างลึกซึ้ง	การคำนวณการเรียนรู้อย่างลึกซึ้ง
6	เครือข่ายประสาท	เครือข่ายประสาท
7	เครือข่ายประสาทที่ทันสมัย	เครือข่ายประสาทที่ทันสมัย
8	เครือข่ายประสาทกำเริบ	เครือข่ายประสาทกำเริบ
9	เครือข่ายประสาทที่เกิดขึ้นใหม่	เครือข่ายประสาทที่เกิดขึ้นใหม่
10	กลไกความสนใจ	กลไกความสนใจ
11	อัลกอริทึมการเพิ่มประสิทธิภาพ	อัลกอริทึมการเพิ่มประสิทธิภาพ
12	ประสิทธิภาพการคำนวณ	ประสิทธิภาพการคำนวณ
13	วิสัยทัศน์คอมพิวเตอร์	วิสัยทัศน์คอมพิวเตอร์
14	การประมวลผลภาษาธรรมชาติ: การฝึกอบรมล่วงหน้า	การประมวลผลภาษาธรรมชาติ: การเตรียมการ
15	การประมวลผลภาษาธรรมชาติ: แอปพลิเคชัน	แอปพลิเคชันการประมวลผลภาษาธรรมชาติ
16	ระบบที่แนะนำ	ระบบแนะนำ
17	สร้างเครือข่ายที่เป็นปฏิปักษ์	เครือข่ายศัตรู
18	ภาคผนวก: พื้นฐานของคณิตศาสตร์ในการเรียนรู้ลึก	ภาคผนวก: คณิตศาสตร์เพื่อการเรียนรู้อย่างลึกซึ้ง
19	ภาคผนวก: เครื่องมือการเรียนรู้ลึก	ภาคผนวก: เครื่องมือสำหรับการเรียนรู้อย่างลึกซึ้ง

หมายเหตุ

วิดีโอ	หมายเหตุ	เอกสารแจก	รหัส	ผู้มีส่วนร่วม
	00-Preview	เอกสารแจก
	ตารางเวลา 01 คอร์ส	เอกสารแจก
	02-Introduction to Deep Learning	เอกสารแจก
	03 การติดตั้ง	เอกสารแจก
	การดำเนินการ 04 ข้อมูลและการประมวลผลข้อมูลล่วงหน้า	เอกสารแจก	รหัส JUPYTER
	พีชคณิต 05 เชิงเส้น	เอกสารแจก
	การคำนวณ 06 เมทริกซ์	เอกสารแจก
	07-Chengdu กฎและการรับอัตโนมัติ	เอกสารแจก	รหัส JUPYTER
	08 การถดถอยเชิงเส้น + อัลกอริทึมการเพิ่มประสิทธิภาพพื้นฐาน	บันทึกการบรรยาย 1 2	รหัส JUPYTER
	09-softmax regression	บันทึกการบรรยาย 1 2	รหัส JUPYTER
	เครื่องตรวจจับ 10-multi-layer	บันทึกการบรรยาย 1 2	รหัส JUPYTER
	การเลือก 11 รุ่น + overfitting และ underfitting	บันทึกการบรรยาย 1 2
	ภาวะเศรษฐกิจถดถอย 12 น้ำหนัก	เอกสารแจก	รหัส JUPYTER
	วิธีการจัดการ 13 ครั้ง	เอกสารแจก	รหัส JUPYTER
	ความเสถียร 14 ตัวเลข	บันทึกการบรรยาย 1 2
	การทำนาย Kaggle 15 หลักการของราคาบ้าน	เอกสารแจก	รหัส JUPYTER
	พื้นฐานเครือข่ายประสาท 16-Pytorch	เอกสารแจก	รหัส JUPYTER
	17-use และซื้อ GPUs	เอกสารแจก	รหัส JUPYTER
	การแข่งขันราคาบ้าน 18 คำทำนาย	เอกสารแจก
	ชั้น 19-convolutional	บันทึกการบรรยาย 1 2	รหัส JUPYTER
	20-fill and stride	เอกสารแจก	รหัส JUPYTER
	ช่อง 21-multi-input และ output	เอกสารแจก	รหัส JUPYTER
	ชั้น 22-pooling	เอกสารแจก	รหัส JUPYTER
	23-Lenet	เอกสารแจก	รหัส JUPYTER
	24-Alexnet	เอกสารแจก	รหัส JUPYTER
	25 เครือข่าย VGG โดยใช้บล็อก	เอกสารแจก	รหัส JUPYTER
	26-nin	เอกสารแจก	รหัส JUPYTER
	27-googlenet	เอกสารแจก	รหัส JUPYTER
	การทำให้เป็นมาตรฐาน 28 ชุด	เอกสารแจก	รหัส JUPYTER
	29 เครือข่าย resnet	เอกสารแจก
	30 ส่วน 2 จบการแข่งขัน	เอกสารแจก
	31-CPU และ GPU	เอกสารแจก
	ฮาร์ดแวร์การเรียนรู้ที่ลึก 32	เอกสารแจก
	33-single-machine การ์ดหลายใบพร้อมกัน	เอกสารแจก
	การฝึกอบรมการฝึกอบรม 34-multi-GPU	เอกสารแจก	รหัส JUPYTER
	การฝึกอบรม 35 ครั้ง	เอกสารแจก
	การเสริม 36 ข้อมูล	เอกสารแจก	รหัส JUPYTER
	การปรับ 37-fine	เอกสารแจก	รหัส JUPYTER
	38- ผลลัพธ์ของการจำแนกใบการแข่งขันครั้งที่สอง	เอกสารแจก
	การแข่งขัน Kaggle 39 การแข่งขัน -1	เอกสารแจก
	การแข่งขัน Kaggle 40 แบบ	เอกสารแจก	รหัส JUPYTER
	การตรวจจับ 41-Object และชุดข้อมูล	เอกสารแจก
	[42-anchor Frame]	เอกสารแจก
	บทสรุป 43 ด้านเทคนิคของการแข่งขันการจำแนกประเภท	เอกสารแจก
	อัลกอริทึมการตรวจจับ 44-Object	บันทึกการบรรยาย 123
	การใช้งาน 45-SSD	เอกสารแจก	รหัส JUPYTER
	การแบ่งส่วนและชุดข้อมูล 46-ความหมาย	เอกสารแจก	รหัส JUPYTER
	47-transfer convolution	บันทึกการบรรยาย 1 2
	48-FCN	เอกสารแจก	รหัส JUPYTER
	การโยกย้าย 49 สไตล์	เอกสารแจก	รหัส JUPYTER
	การแข่งขัน 50 คอร์ส	เอกสารแจก
	โมเดล 51 ลำดับ	เอกสารแจก
	การประมวลผลล่วงหน้า 52 ข้อความ	เอกสารแจก	รหัส JUPYTER
	โมเดล 53 ภาษา	เอกสารแจก
	เครือข่ายประสาทกระแสไฟฟ้า 54	เอกสารแจก
	การใช้งาน 55-RNN	เอกสารแจก	รหัส JUPYTER
	56-gru	เอกสารแจก	รหัส JUPYTER
	57-LSTM	เอกสารแจก
	เครือข่ายประสาทที่เกิดขึ้นใหม่ 58	เอกสารแจก	รหัส JUPYTER
	[เครือข่ายประสาทที่เกิดขึ้นอีก 59 ทิศทาง]	เอกสารแจก
	ชุดข้อมูลการแปล 60 เครื่อง	เอกสารแจก	รหัส JUPYTER
	สถาปัตยกรรม 61-encoder-decoder	เอกสารแจก
	การเรียนรู้ 62 ลำดับต่อลำดับ	เอกสารแจก	รหัส JUPYTER
	การค้นหา 63-bunch	เอกสารแจก
	64- กลไกความสนใจ	เอกสารแจก	รหัส JUPYTER
	65- คะแนนความสนใจ	เอกสารแจก
	[66-seq โดยใช้ความสนใจ]	เอกสารแจก
	67-Self-Attention	เอกสารแจก	รหัส JUPYTER
	68-transformer	เอกสารแจก	รหัส JUPYTER
	69-bert pre-training	เอกสารแจก
	70-Bert ปรับการปรับ	เอกสารแจก
	[71-summary ของการแข่งขันตรวจจับเป้าหมาย]	เอกสารแจก
	อัลกอริทึม 72-Optimization	เอกสารแจก
	สรุป 73 หลักสูตรและการเรียนรู้ขั้นสูง	เอกสารแจก

คำอธิบายโฟลเดอร์

• IMGS : รูปภาพที่เกี่ยวข้องในบันทึกย่อ
• หมายเหตุ : Notes เวอร์ชัน Markdown
• รหัส : รหัส Python ที่เกี่ยวข้องในหลักสูตร

ผู้จัดงาน

ขอบคุณนักเรียนต่อไปนี้สำหรับการจัดระเบียบโครงการนี้

ผู้มีส่วนร่วม

ขอขอบคุณนักเรียนต่อไปนี้สำหรับการสนับสนุนและการมีส่วนร่วมในโครงการนี้