你将获得什么？
- PyTorch 核心原理与应用详解
- 5 大实战模块，吃透 PyTorch
- 8 个核心模型训练要点
- 10 年老兵的深度 / 机器学习心法
课程介绍
PyTorch 框架发展迅猛，仅用了一年多的时间，几乎占据深度学习框架的半壁江山。
如果你即将进入，或者已经进入了深度学习、机器学习这些相关领域，PyTorch 能够帮你实现模型和算法，快速完成深度学习模型部署，提供高并发服务，还可以轻松实现图像生成、文本分析、情感分析这样有趣的实验。另外，很多算法相关岗位，也同样需要熟练使用 PyTorch。
这意味着，一旦你掌握了 PyTorch，就相当于走上了深度学习与机器学习的快车道。
但想要快速入门、上手 PyTorch，也面临这样一些挑战：
- 缺乏系统资料：网上的学习资料良莠不齐，缺乏科学的学习路径；
- 无法进阶深入：张量、神经网络等前置知识需求多，深入理解 PyTorch 原理门槛高；
- 难以落地实践：各种函数、参数多且难记忆，真正实践不知从何下手。
基于此，方远老师将结合自己丰富的实战经验，为你呈现一套系统完整的 PyTorch 技术学习框架（基于 PyTorch 1.9.0 版本），让你从原理到项目一站式攻克学习难题，熟练掌握 PyTorch 框架，解决实际问题。
课程设计
遵循由浅入深的原则，整个专栏共分为以下三个模块：
基础篇：夯实基础，详解 PyTorch 基础知识。通过这部分内容，你将学习 PyTorch 中两大重要知识点—— NumPy 与 Tensor 的用法。
模型训练篇：带你快速掌握一个框架。结合深度学习模型训练的一系列流程，为你详解自动求导机制、网络搭建、模型参数更新、保存与加载模型、训练过程可视化、分布式训练等等关键模块，带你具体看看 PyTorch 为我们提供怎样的帮助。通过这部分内容，你就能基于 PyTorch 搭建网络模型了。
实战篇：结合当下最流行的图像与自然语言处理任务，串连前面两个模块的内容，为你深入讲解 PyTorch 如何解决实际问题，如图像分割、情感分析、文本分类等等。
课程目录
《PyTorch深度学习实战》课程目录
开篇词|如何高效入门PyTorch?
基础篇
01 PyTorch：网红中的顶流明星
02 NumPy(上):核心数据结构详解
03 NumPy(下):深度学习中的常用操作
04 Tensor：PyTorch中最基础的计算单元
05 Tensor变形记：快速掌握Tensor切分、变形等方法
模型训练篇
06 Torchvision(上):数据读取，训练开始的第一步
07 Torchvision(中):数据增强，让数据更加多样性
08 Torchvision(下):其他有趣的功能
09 卷积(上):如何用卷积为计算机“开天眼”?
10 卷积(下)：如何用卷积为计算机“开天眼”?
11 损失函数：如何帮助模型学会“自省”?
12 计算梯度：网络的前向与反向传播
13 优化方法：更新模型参数的方法
14 构建网络：一站式实现模型搭建与训练
15 可视化工具：如何实现训练的可视化监控?
16 分布式训练：如何加速你的模型训练?
实战篇
17 图像分类(上):图像分类原理与图像分类模型
18 图像分类(下):如何构建一个图像分类模型?
19 图像分割(上):详解图像分割原理与图像分割模型
20 图像分割(下):如何构建一个图像分割模型?
21 NLP基础(上):详解自然语言处理原理与常用算法
22 NLP基础(下):详解自然语言模型与注意力机制
23 情感分析：如何使用LSTM进行情感分析?
24 文本分类：如何使用BERT构建文本分类模型?
25 摘要：如何快速实现自动文摘生成?
结束语|前途光明，未来可期
讲师介绍
方远，LINE China 数据科学家。主要从事计算机视觉与自然语言处理的研发工作，在机器学习与深度学习的研究和应用领域有 10 年的经验积累。精通 PyTorch 与 TensorFlow 框架，以及 Bert、EfficientNet、SSD、DeepLab 等主流深度学习算法。
曾任腾讯高级算法研究员，为公司内部千亿级别流量的运营审核业务提供稳定高效的深度学习服务，同时也为公司移动终端产品提供可离线运行、实时、高精度的计算机视觉服务。