使用 TensorFlow 2 的深度学习大师班超过 20 个项目(Deep Learning Masterclass with TensorFlow 2 Over 20 Projects)

深度学习是当今计算机科学中最热门的领域之一。它在许多不同的领域都有应用。随着 2010 年代初期更高效的深度学习模型的发布，我们看到计算机视觉、自然语言处理、图像生成和信号处理等领域的技术水平取得了巨大进步。

对深度学习工程师的需求正在飙升，并且该领域的专家因其价值而薪水很高。 然而，进入这个领域并不容易。那里有太多信息，其中很多已经过时，而且很多时候没有考虑初学者:(

在本课程中，我们将带您踏上一段奇妙的旅程，您将通过循序渐进和基于项目的方法掌握不同的概念。您将使用Tensorflow 2（世界上最受欢迎的深度学习库，由 Google 构建）和Huggingface。我们将首先了解如何使用 Tensorflow 和 Huggingface 转换器构建非常简单的模型（例如用于汽车价格预测的线性回归模型、用于电影评论的文本分类器、用于疟疾预测的二元分类器），以及更高级的模型（例如使用YOLO的对象检测模型） ，使用GPT2 的歌词生成器模型和使用GAN 的图像生成)

完成本课程并实施不同的项目后，您将掌握开发大型科技公司遇到的现代深度学习解决方案所需的技能。

你将学习：

• Tensorflow 基础知识（张量、模型构建、训练和评估）
• 深度学习算法，例如卷积神经网络和视觉变压器
• 分类模型的评估（精确度、召回率、准确度、F1 分数、混淆矩阵、ROC 曲线）
• 通过数据增强减轻过度拟合
• 高级 Tensorflow 概念，例如自定义损失和指标、Eager 和图形模式以及自定义训练循环、Tensorboard
• 具有权重和偏差的机器学习操作(MLOps ) （实验跟踪、超参数调整、数据集版本控制、模型版本控制）
• 带有疟疾检测的二元分类
• 具有人类情绪检测的多类分类
• 使用现代卷积网络（Vggnet、Resnet、Mobilenet、Efficientnet）和视觉变压器（VIT）进行迁移学习
• 使用 YOLO 进行物体检测 （只看一次）
• 使用UNet进行图像分割
• 使用Csrnet统计人数
• 模型部署（蒸馏、Onnx 格式、量化、Fastapi、Heroku Cloud）
• 使用变分自动编码器生成数字
• 使用生成对抗神经网络生成人脸
• 自然语言处理的文本预处理。
• 深度学习算法，如循环神经网络、注意力模型、变压器和卷积神经网络。
• 使用 RNN、Transformers 和 Huggingface Transformers 进行情感分析(Deberta)
• 使用 Word2vec 和现代 Transformer 进行迁移学习（GPT、Bert、ULmfit、Deberta、T5…）
• 使用 RNN、注意力、Transformers 和 Huggingface Transformers 进行机器翻译(T5)
• 模型部署（Onnx 格式、量化、Fastapi、Heroku Cloud）
• Huggingface 变压器中的Deberta意图分类
• Huggingface 变压器中与Roberta 的命名实体关系
• Huggingface 变压器中使用T5进行神经机器翻译
• 在 Huggingface Transformer 中使用Longformer进行提取问答
• 带有句子转换器的电子商务搜索引擎
• Huggingface 变形金刚中带有GPT2 的歌词生成器
• Huggingface 变压器中使用T5进行语法错误校正
• Elon Musk 机器人与BlenderBot在 Huggingface 变形金刚中
• 使用 RNN 进行语音识别

如果您愿意在职业生涯中更进一步，本课程适合您，我们非常高兴能够帮助您实现目标！

本课程由Neuralearn为您提供。就像 Neuralearn 的所有其他课程一样，我们非常重视反馈。您在论坛中的评论和问题将帮助我们更好地学习这门课程。请随时在论坛上提出尽可能多的问题。我们尽力在最短的时间内回复。

享受！！！