Kursus praktikal pengenalan AI dari sifar (Pembelajaran Mendalam + Pytorch), asas wajib AI

Kandungan kursus:

1. Pengenalan kursus
– Memahami kandungan kursus dan objektif pembelajaran.

2. Analisis tugasan rangkaian neural
– Menganalisis tugasan yang perlu diselesaikan oleh rangkaian neural sebagai asas pembelajaran.

3. Penjelasan kaedah pengemaskinian model
– Menjelaskan kaedah dan prinsip pengemaskinian model serta menguasai teknik pengoptimuman model.

4. Kaedah pengiraan fungsi kerugian
– Mempelajari kaedah pengiraan fungsi kerugian dan memahami standard penilaian prestasi model.

5. Penjelasan aliran perambatan hadapan
– Menganalisis secara mendalam aliran dan prinsip perambatan hadapan rangkaian neural.

6. Demonstrasi perambatan balik
– Demonstrasi secara langsung proses perambatan balik untuk memperdalam pemahaman dan penguasaan teknik.

7. Penguraian seni bina rangkaian neural
– Menganalisis secara terperinci seni bina keseluruhan rangkaian neural dan menjelaskan fungsi setiap bahagian.

8. Analisis visualisasi prestasi
– Menggunakan alat visualisasi untuk menganalisis prestasi rangkaian neural dan mengoptimumkan prestasi model.

9. Peranan bilangan neuron
– Membincangkan kesan bilangan neuron terhadap prestasi model dan mengoptimumkan struktur rangkaian.

10. Prapemprosesan dan dropout
– Mempelajari prapemprosesan data dan teknik dropout untuk meningkatkan keupayaan generalisasi model.

11-25. Rangkaian neural konvolusi dan aplikasi
– Menganalisis secara berperingkat prinsip dan aplikasi rangkaian neural konvolusi untuk melaksanakan tugasan pemprosesan imej.

26-32. Rangka kerja PyTorch dan pemprosesan data
– Memahami secara mendalam rangka kerja PyTorch dan kaedah pemprosesan data untuk membina dan melatih model.

33-45. Latihan model pembelajaran mendalam
– Mempelajari aliran dan teknik latihan model pembelajaran mendalam untuk meningkatkan prestasi model.

46-60. Pemprosesan dan latihan data teks
– Membincangkan teknik pemprosesan dan latihan data teks untuk digunakan dalam tugasan pemprosesan bahasa semula jadi.

61-69. Penggunaan dan perkhidmatan model
– Pelajari penggunaan model dan pemprosesan pihak pelayan, merealisasikan aplikasi model dalam senario sebenar.

70-76. Model transformer visual
– Analisis prinsip dan kaedah pelaksanaan model transformer visual, aplikasikan dalam pemprosesan imej.

77. Penyahpepijatan dan amalan kod sumber projek
– Tunjukkan proses penyahpepijatan kod sumber projek, bantu pelajar memahami dan mengaplikasi pengetahuan yang dipelajari.