modul #1 Bevezetés a mély tanulásba A mély tanulás, történelem és alkalmazások áttekintése
modul #2 Matematikai előfeltételek Lineáris algebra, számítás és valószínűségelmélet áttekintése
modul #3 Neurális hálózatok alapjai Bevezetés mesterséges neurális hálózatokhoz, perceptronokhoz és többrétegű perceptronokhoz
modul #4 Aktiválási funkciók és visszaszaporodás Aktiválási függvények, visszaterjesztés és gradiens süllyedés
modul #5 Neurális hálózatok építése és képzése Gyakorlati tapasztalat az építéssel és neurális hálózatok képzése mély tanulási keretrendszer segítségével
modul #6 Konvolúciós neurális hálózatok (CNN-ek) Bevezetés a CNN-ekbe, a konvolúciós rétegekbe és a pooling rétegekbe
modul #7 CNN architektúrák AlexNet, VGGNet, GoogLeNet és ResNet architektúrák
modul #8 Transfer Learning and Fine-tuning Előre betanított CNN-modellek használata és finomhangolás képosztályozási feladatokhoz
modul #9 Recurrent Neural Networks (RNN-k) Bevezetés az RNN-ekbe, egyszerű RNN-ek, és LSTM-hálózatok
modul #10 RNN-architektúrák GRU, kétirányú RNN-ek és kódoló-dekódoló modellek
modul #11 szekvenciákról szekvenciákra modellek gépi fordítás, chatbotok és szekvenciák közötti modellek
modul #12 Generatív modellek Bevezetés a generatív modellekbe, GAN-okba és VAE-ekbe
modul #13 Automatikus kódolók és variációs automatikus kódolók Dimenziócsökkentés, autoenkóderek és VAE
modul #14 Generatív ellenséges hálózatok (GAN) GAN-ok, DCGAN-ok és feltételes GAN-ok
modul #15 Mélyen megerősített tanulás Bevezetés a megerősítő tanulásba, a Q-learningbe és a politikai gradiensekbe
modul #16 Mély megerősítésű tanulási algoritmusok DDPG, színészkritikus módszerek, és AlphaGo
modul #17 Felügyelet nélküli tanulás és klaszterezés K-eszközök, hierarchikus klaszterezés és dimenziócsökkentés
modul #18 Mély tanulás a természetes nyelvi feldolgozáshoz Szóbeágyazások, nyelvi modellek és szövegosztályozás
modul #19 Figyelemmechanizmusok Figyelem az NLP-ben, transzformátorokban és BERT-ben
modul #20 Deep Learning for Computer Vision Objektumészlelés, szegmentálás és követés
modul #21 Deep Learning Frameworks TensorFlow, PyTorch, és Keras
modul #22 Modellértékelés és hiperparaméterhangolás Modellértékelési metrikák, hiperparaméterhangolás és keresztellenőrzés
modul #23 Mély tanulási bevezetés és gyártás Modell üzembe helyezés, modellkiszolgálás és gyártás
modul #24 Etika és méltányosság a mély tanulásban Etikai megfontolások, elfogultság és méltányosság a mély tanulási modellekben
modul #25 Tanfolyam összefoglalója és következtetései A Deep Learning karrier következő lépéseinek tervezése
Készen áll a tanulásra, a megosztásra és a versenyre?
