Djup lärning
( 25 Moduler )

modul #1
Introduktion till djupinlärning
Översikt över djupinlärning, historia och tillämpningar

modul #2
Mathematical Prerequisites
Review of linear algebra, calculus and probability theory

modul #3
Neural Networks Basics
Introduktion till artificiella neurala nätverk, perceptroner och flerskiktsperceptroner

modul #4
Aktiveringsfunktioner och tillbakapropagation
Aktiveringsfunktioner, bakåtpropagation och gradientnedstigning

modul #5
Bygga och träna neurala nätverk
Handlig erfarenhet av att bygga och träna neurala nätverk med hjälp av ett ramverk för djupinlärning

modul #6
Convolutional Neural Networks (CNNs)
Introduktion till CNNs, convolutional layers, and pooling layers

modul #7
CNN Architectures
AlexNet, VGGNet, GoogLeNet och ResNet arkitekturer

modul #8
Överför inlärning och finjustering
Användning av förutbildade CNN-modeller och finjustering för bildklassificeringsuppgifter

modul #9
Recurrent Neural Networks (RNN)
Introduktion till RNN, enkla RNN, och LSTM-nätverk

modul #10
RNN-arkitekturer
GRU, dubbelriktade RNN och kodare-avkodarmodeller

modul #11
sekvens-till-sekvensmodeller
Maskinöversättning, chatbots och sekvens-till-sekvensmodeller

modul #12
Generativa modeller
Introduktion till generativa modeller, GAN och VAE

modul #13
Autoencoders and Variational Autoencoders
Dimensionality reduction, autoencoders och VAEs

modul #14
Generative Adversarial Networks (GANs)
GANs, DCGANs and conditional GANs

modul #15
Deep Reinforcement Learning
Introduktion till förstärkningsinlärning, Q-learning och policygradienter

modul #16
Deep Reinforcement Learning Algorithms
DDPG, Actor-Critic-metoder, och AlphaGo

modul #17
Oövervakad inlärning och klustring
K-medel, hierarkisk klustring och dimensionsreduktion

modul #18
Djup inlärning för naturlig språkbehandling
Ordinbäddningar, språkmodeller och textklassificering

modul #19
Attention Mechanisms
Attention in NLP, transformers and BERT

modul #20
Deep Learning for Computer Vision
Objektdetektion, segmentering och spårning

modul #21
Deep Learning Frameworks
TensorFlow, PyTorch, och Keras

modul #22
Model Evaluation and Hyperparameter Tuning
Modell evaluation metrics, hyperparameter tuning, and cross-validation

modul #23
Deep Learning Deployment and Production
Model deployment, model servering and productionization

modul #24
Ethics and Fairness in Deep Learning
Etiska överväganden, partiskhet och rättvisa i modeller för djupinlärning

modul #25
Kursavslutning och avslutning
Planerar nästa steg i Deep Learning-karriären

Redo att lära sig, dela och tävla?