トレーニング > AI /機械学習 > PyTorch in Practice: An Applications-First Approach (LFD473)
インストラクター主導のコース

PyTorch in Practice: An Applications-First Approach (LFD473)

広範な実用アプリケーションをカバーするコンピューター ビジョンと自然言語処理の分野で人気のある事前トレーニング済みモデルを活用して、最も人気のあるディープ ラーニング フレームワークの 1 つである PyTorch を利用した AI アプリケーションのプロトタイピングを開始します。

対象者
このコースは、PyTorch に深層学習モデル (特にコンピューター ビジョンと自然言語処理の事前トレーニング モデル) を追加して、アプリケーションのプロトタイプを迅速に作成してデプロイしたいと考えている機械学習の実践者向けに設計されています。
少なく読む 続きを読む
学習内容
このコースは、モデル クラス、データセット、データ ローダー、トレーニング ループなどの PyTorch の概要から始まります。次に、転移学習の役割と能力、およびそれを事前トレーニングされたモデルで使用する方法について説明します。実践的なラボ演習では、画像分類、オブジェクト検出、感情分析、テキスト分類、テキストの生成/完成などの複数のトピックを取り上げます。学習者はまた、データを使用して既存のモデルを微調整し、サードパーティ API を活用します。
少なく読む 続きを読む
身につく知識
このコースでは、コンピューター ビジョンと自然言語処理タスク用の事前学習済みモデルの豊富な PyTorch や Hugging Face エコシステムを使用して、ディープ ラーニング モデルを訓練および微調整するための実践的な経験を提供します。さらに、TorchServe を使用してプロトタイプ アプリケーションをデプロイし、アプリケーションを迅速に検証してデモすることができます。
少なく読む 続きを読む
おもなテーマ
すべて展開
すべて折りたたむ
はじめに
- 対象受講者
- 私たちは誰ですか
-著作権および機密情報なし
- トレーニング
- 認定プログラムおよびデジタルバッジ
PyTorch、データセット、モデル
- PyTorch とは
- PyTorch エコシステム
- 教師あり学習と教師なし学習
- ソフトウェア開発 vs 機械およびディープラーニング
- 「こんにちはモデル」
- ネーミングは難しい
- セットアップと環境
最初のデータセットを構築する
- テンソル、デバイス、CUDA
- データセット
- データローダー
- データパイプ
- ラボ 1A: 非線形回帰
最初のモデルをトレーニングする
- 要約
- モデル
- 損失関数
- グラデーションと Autograd
- オプティマイザー
- 生のトレーニングループ
- 評価
- モデルの保存とロード
- 非線形性
- ラボ 1B: 非線形回帰
最初のデータパイプを構築する
- 新しいデータセット
- ラボ 2: 価格予測
- 高レベルのライブラリのツアー
転移学習と事前訓練済みモデル
- 転移学習とは何ですか?
- トーチハブ
- コンピュータビジョン
- ドロップアウト
- 画像フォルダー データセット
- ラボ 3: 画像の分類
コンピュータービジョン用の事前トレーニング済みモデル
- PyTorch 画像モデル
- ハグフェイス
自然言語処理
- 自然言語処理
- 1 ロジットまたは 2 ロジット?
- クロスエントロピー損失
- テンソルボード
- ラボ 4: 感情分析
- ハグフェイスパイプライン
- 生成モデル
トーチビジョンによる画像分類
- トーチビジョン
- 特徴抽出器としての事前トレーニング済みモデル
コンピュータービジョン用の事前トレーニング済みモデルの微調整
- 保存済みモデルの微調整
- ゼロショット画像分類
TorchServe を使用したモデルの提供
- モデルのアーカイブと提供
- トーチサーブ
オブジェクト検出と画像セグメンテーションのためのデータセットと変換
- オブジェクト検出、画像セグメンテーション、キーポイント検出
- 境界ボックス
- トーチビジョン オペレーター
- トランスフォーム (V2)
- オブジェクト検出用のカスタム データセット
- ab 5A: 物体検出モデルの微調整
物体検出と画像セグメンテーションのモデル
- モデル
- ラボ 5B: 物体検出モデルの微調整
物体検出評価用モデル
- 要約
- 予測を立てる
- 評価
- ヨロ
- オブジェクト検出用の HuggingFace パイプライン
- ゼロショット物体検出
単語の埋め込みとテキストの分類
- トーチテキスト
- AG ニュース データセット
- トークン化
- 埋め込み
- ベクトルデータベース
- ゼロショットテキスト分類
- チャンク戦略
- ラボ 6: 埋め込みを使用したテキスト分類
トランスフォーマーを使用したコンテキスト単語埋め込み
- 必要なのは注意力だけです
- 変成器
- エンコーダベースの分類モデル
- コンテキスト埋め込み
NLP タスク用の Huggingface パイプライン
- ハギングフェイスパイプライン
- ラボ 7: 文書 Q&A
質問と回答、要約、LLM
- EDGAR データセット
- 幻覚
- 非対称セマンティック検索
- ルージュスコア
- デコーダベースのモデル
- 大規模言語モデル (LLM)
クロージングと評価サーベイ
- 評価サーベイ
前提条件
正式な前提条件はありませんが、学生は Python (オブジェクト指向プログラミングの概念)、PyData スタック (Numpy、Pandas、Matplotlib、Scikit-Learn)、および機械学習の概念 (教師あり学習、損失関数、訓練) に関するある程度の知識を持っている必要があります。検証とテストの分割、評価メトリクス）。
レビュー
2023 年 12 月
インストラクターはフレンドリーで、よく準備されていました。
2023年11月
さまざまな PyTorch の概念を紹介できて楽しかったです。
2023年11月
実用的なモデルで終わる実践的なラボの例。
$3250
- -
100%返金保証
含まれているもの
ライブオンライン（仮想）またはライブ（教室）
インストラクター主導の4日間の授業
演習問題と宿題
リソースとコースマニュアル
修了証
デジタル バッジ
オンラインコースへの12か月のアクセス
経験レベル： 初級
10人以上のトレーニング？企業見積もりを取得
自分以外の人を登録する方法手順