本课程专为想要在PyTorch中添加深度学习模型的机器学习从业者设计--特别是计算机视觉和自然语言处理的预训练模型--以快速原型化和部署应用程序。本课程从PyTorch的概述开始，包括模型类、数据集、数据加载器和训练循环。接下来，它涵盖了迁移学习的作用和力量，以及如何将其与预训练模型一起使用。实践实验练习涵盖多个主题，包括：图像分类，目标检测，情感分析，文本分类和文本生成/完成。学员还将使用他们的数据来微调现有模型并利用第三方API。本课程提供实践经验，使用丰富的PyTorch和Hugging Face预训练模型生态系统来训练和微调深度学习模型，用于计算机视觉和自然语言处理任务。此外，您将能够使用TorchServe部署原型应用程序，允许您快速验证和演示您的应用程序。

课程特点:

● 在线，自主学习 

● 40小时学习内容

● 含实操及作业

● 注册后12月内有效

● 有论坛可供交流

经验水平：中级

目录

● 单元 1. Course Introduction

● 单元 2. PyTorch, Datasets, and Models

● 单元3. Building Your First Dataset 

● 单元4. Training Your First Model

● 单元5. Building Your First DataPipe

● 单元6. Transfer Learning and Pretrained Models

● 单元7. Pretrained Models for Computer Vision 

● 单元8. Pretrained Models for Natural Language Processing

● 单元9. Image Classification with Torchvision

● 单元10. Fine-Tuning Pretrained Models for Computer Vision

● 单元11. Serving Models with TorchServe

● 单元12. Datasets and Transformations for Object Detection and Image Segmentation

● 单元13. Models for Object Detection and Image Segmentation

● 单元14. Object Detection Evaluation

● 单元15. Word Embeddings and Text Classification

● 单元16. Contextual Word Embeddings with Transformers

● 单元17. Hugging Face Pipelines for NLP Tasks

● 单元18. Q&A, Summarization, and LLMs

此课程为Linux 基金会官方原生课程，课程语言为英语。