modul #1 Introducere în Deep Learning Prezentare generală a învățării profunde, a istoriei și a aplicațiilor
modul #2 Cerințe preliminare matematice Revizuirea algebrei liniare, calculului și teoriei probabilităților
modul #3 Bazele rețelelor neuronale Introducere în rețelele neuronale artificiale, perceptroni și perceptronii multistrat
modul #4 Funcții de activare și backpropagation Funcții de activare, backpropagation și coborâre gradient
modul #5 Construirea și formarea rețelelor neuronale Experiență practică în construirea și antrenarea rețelelor neuronale folosind un cadru de învățare profundă
modul #6 Rețele neuronale convoluționale (CNN) Introducere în CNN-uri, straturi convoluționale și straturi de grupare
modul #7 CNN Architectures Arhitecturi AlexNet, VGGNet, GoogLeNet și ResNet
modul #8 Transfer de învățare și reglare fină Utilizarea modelelor CNN pre-instruite și reglarea fină pentru sarcinile de clasificare a imaginilor
modul #9 Rețele neuronale recurente (RNN) Introducere în RNN, RNN simple și rețele LSTM
modul #10 Arhitecturi RNN Modele GRU, RNN bidirecționale și Encoder-Decoder
modul #11 Modele secvență-la-secvență Traducere automată, chatbot și modele secvență-la-secvență
modul #12 Modele generative Introducere în modelele generative, GAN-uri și VAE
modul #13 Autoencodere și Autoencodere variaționale Reducerea dimensionalității, codificatoare automate și VAE
modul #14 Rețele adversare generative (GAN) GAN-uri, DCGAN-uri și GAN-uri condiționate
modul #15 Învățare prin consolidare profundă Introducere în învățarea prin consolidare, Q-learning și gradienții politici
modul #16 Algoritmi de învățare cu întărire profundă DDPG, metode Actor-Critic și AlphaGo
modul #17 Învățare nesupravegheată și grupare K-means, clustering ierarhic și reducerea dimensionalității
modul #18 Învățare profundă pentru procesarea limbajului natural Înglobare de cuvinte, modele de limbaj și clasificare a textului
modul #19 Mecanisme de atenție Atenție la NLP, transformatoare și BERT
modul #20 Învățare profundă pentru viziunea computerizată Detectarea, segmentarea și urmărirea obiectelor
modul #21 Cadre de învățare profundă TensorFlow, PyTorch și Keras
modul #22 Evaluarea modelului și reglarea hiperparametrului Valori de evaluare a modelului, ajustarea hiperparametrului și validarea încrucișată
modul #23 Implementarea și producția de Deep Learning Implementarea modelelor, servirea modelelor și producția
modul #24 Etica și corectitudinea în învățarea profundă Considerații etice, părtinire și corectitudine în modelele de învățare profundă
modul #25 Încheierea cursului și concluzia Planificarea următorilor pași în cariera Deep Learning
Sunteți gata să învățați, să împărtășiți și să concurați?
