Deep Learning vanaf nul: neurale netwerken bouwen met PyTorch

Wil je ooit echt begrijpen wat er gebeurt in een deep learning-model in plaats van het alleen als een zwarte doos te behandelen? Om betrouwbare kunstmatige intelligentie-toepassingen te bouwen, moet je de fundamentele wiskunde en code begrijpens die moderne neurale netwerken aandrijven. Deze tekstgebaseerde cursus leidt je door het proces van het bouwen en trainen van je eigen modellen vanaf nul, waardoor je een diepe intuïtieve kennis krijgt van de algoritmen die de AI van vandaag aandrijen. Je gaat over van het gebruik van bibliotheken op hoog niveau naar het zelf schrijven van kerntrainingslussen en optimalisatiealgoritmen. Wat je leert: Begrijp de wiskundige grondslagen van voorwaartse propagatie en achterwaartse voortplanting; Bouw een volledig functionerend neuraal netwerk vanaf nul met behulp van rauwe PyTorch-tensoren; Implementeer belangrijke optimalisatiesalgoritmen zoals Stochastic Gradient Descent (SGD) vanuit eerste principes; Configureer verliesfuncties en activatiefuncties om modelleren te begeleiden; Pas moderne trainingspraktijken toe, waaronder juiste gewichtsinitialisatie en basisregularisatie; Foutopsporing en analyse van modelprestaties door gradiënten en verliescurven te inspecteren.