PyTorch：深度学习与人工智能 | PyTorch: Deep Learning and Artificial Intelligence
用于计算机视觉、时间序列预测、NLP、GANs、强化学习等的神经网络！
讲师：Lazy Programmer Team
双语资源中英文字幕学习课程，独家翻译制作，提供全部配套课程资料。全网最低价享受高品质课程资源，无限分享下载。
你将会学到什么？
- 人工神经网络/深度神经网络
- 预测股票回报
- 时间序列预测
- 计算机视觉
- 如何构建深度强化学习股票交易机器人
- 生成对抗性网络
- 推荐系统
- 图像识别
- 卷积神经网络
- 递归神经网络
- 带深度学习的自然语言处理
- 使用代码演示摩尔定律
- 迁移学习创建最先进的图像分类器
- 了解OpenAI ChatGPT、GPT-4、DALL-E、Midtravel和稳定扩散的重要基础
课程要求
- 了解如何使用Python和Numpy进行编码
- 对于理论部分（可选），了解导数和概率
课程说明
有没有想过像OpenAIChatGPT、GPT-4、DALL-E、中端和稳定扩散*这样的人工智能技术是如何真正工作的？在本课程中，您将学习这些突破性应用程序的基础知识。
欢迎来到PyTorch：深度学习与人工智能！
尽管谷歌的深度学习库Tensorflow在过去几年中广受欢迎，但PyTorch一直是全球专业人士和研究人员深度学习和人工智能的首选库。
Tensorflow之所以受欢迎，是因为谷歌受欢迎并使用了有效的营销吗？
为什么Tensorflow在版本1和版本2之间发生了如此显著的变化？它是否存在严重缺陷，是否仍存在潜在问题？
不太为人所知的是，PyTorch得到了另一家互联网巨头Facebook（特别是FacebookAI研究实验室-FIR）的支持。因此，如果你想要一个受欢迎的深度学习库，得到价值数十亿美元的公司和大量社区支持，PyTorch绝对不会错。也许这是一个额外的好处，当库进入下一个版本时，它不会完全破坏你所有的旧代码。）
另一方面，众所周知，所有顶级人工智能商店（例如OpenAI、苹果和摩根大通）都使用PyTorch。OpenAI最近在2020年切换到PyTorch，这是PyTorch正在加速发展的有力迹象。
如果你是一名专业人士，你会很快意识到，使用PyTorch构建和测试新想法非常容易，而在其他试图为你做一切的库中，这可能相当困难。哦，而且速度更快。
深度学习最近取得了一些惊人的成就，例如：
- 生成从未存在过的人和事物的美丽、照片逼真的图像（GANs）
- 在战略游戏围棋中击败世界冠军，以及复杂的电子游戏，如CS:Go和Dota 2（深度强化学习）
- 自动驾驶汽车（计算机视觉）
- 语音识别（如Siri）和机器翻译（自然语言处理）
- 甚至创建人们做和说他们从未做过的事情的视频（DeepFakes——深度学习的一种潜在邪恶应用）
这门课程是为初学者和专家级学生开设的。这怎么可能呢？
如果你刚刚接受了我的免费Numpy先决条件，那么你就知道了你需要立即加入的一切。我们将从一些非常基本的机器学习模型开始，并推进到最先进的概念。
一路上，您将了解所有主要的深度学习架构，如深度神经网络、卷积神经网络（图像处理）和递归神经网络（序列数据）。
目前的项目包括：
- 自然语言处理（NLP）
- 推荐系统
- 计算机视觉的迁移学习
- 生成对抗性网络（GANs）
- 深度强化学习股票交易机器人
即使你已经学习了我以前的所有课程，你仍然会学习如何转换以前的代码，使其使用PyTorch，并且在这门课程中有一些全新的、前所未有的项目，如时间序列预测和如何进行股票预测
这门课程是为那些想快速学习的学生设计的，但也有“深入”部分，以防你想更深入地研究理论（比如什么是损失函数，以及不同类型的梯度下降方法）。
我采取的方法是，即使你对数学概念不是100%满意，你仍然可以这样做！在本课程中，我们更多地关注PyTorch库，而不是推导任何数学方程。我已经有很多课程了，所以没有必要在这里重复。
讲师注意：本课程侧重于breadth而不是depth，理论较少，有利于构建更酷的东西。如果你正在寻找一门理论密集度更高的课程，那就不是这样了。一般来说，对于这些主题（推荐系统、自然语言处理、强化学习、计算机视觉、GANs等），我已经有了专门针对这些主题的课程。
谢谢你的阅读，我们上课见！
我应该按什么顺序选修你的课程？：
- 查看讲座“机器学习和人工智能先决条件路线图”（可在我的任何课程的常见问题解答中找到，包括免费的Numpy课程）
独特的功能
- 详细解释了每一行代码-如果您不同意，请随时给我发电子邮件
- 不像其他课程那样浪费时间在键盘上“打字”——老实说，没有人能真正在20分钟内从头开始编写值得学习的代码
- 不怕大学级别的数学-了解其他课程遗漏的算法的重要细节
此课程面向哪些人？
- 初学者到想要在PyTorch中学习深度学习和人工智能的高级学生
