Deep Learning à partir de zéro : Création de réseaux de neurones avec PyTorch

Avez-vous déjà voulu comprendre vraiment ce qui se passe à l'intérieur d'un modèle d'apprentissage profond plutôt que de le traiter comme une boîte noire? Pour créer des applications d'intelligence artificielle fiables, vous devez saisir les mathématiques et le code fondamentaux qui pilotent les réseaux de neurones modernes. Ce cours basé sur le texte vous guide à travers le processus de construction et d'entraînement de vos propres modèles à partir de zéro, vous donnant une connaissance intuitive profonde des algorithmes qui alimentent l'IA d'aujourd'hui. Vous passerez de l'utilisation de bibliothèques de haut niveau à l’écriture de boucles d'exercice de base et d’algorithmes d'optimisation vous-même. Ce que vous apprendrez: Comprendre les fondements mathématiques de la propagation directe et de la rétropropagation; Construire un réseau de neurone entièrement fonctionnel à partir du néant en utilisant des tenseurs PyTorch bruts; Implémenter des algorithme d'Optimisation clé comme Stochastic Gradient Descent (SGD) à partir des premiers principes; Configurer les fonctions de perte et les fonctionnalités d'activation pour guider l'apprenant modèle; Appliquer des pratiques d’entraînements modernes, y compris une initialisation de poids appropriée et une régularisation de base; Déboguer et analyser les performances du modèle en inspectant les gradients et les courbes de pertes.