Codificarea AI tocmai a sosit în caietele Jupyter - și @brganger (co-fondator Jupyter) și vă voi arăta cum să o folosiți. Codificarea manuală devine învechită. Cel mai recent Jupyter AI - construit de echipa Jupyter și prezentat la JupyterCon săptămâna aceasta - aduce asistență AI direct în notebook-uri. Majoritatea asistenților de codare AI se luptă cu notebook-urile Jupyter. Jupyter AI a fost conceput special pentru ei. Acesta este primul curs care îl predă. În acest curs, Brian și cu mine vă învățăm să: - Generați și depanați codul direct în celulele notebook-ului printr-o interfață de chat integrată - Oferiți contextul potrivit (cum ar fi documentele API) pentru a ajuta AI să scrie cod precis - Utilizați funcțiile unice ale notebook-ului Jupyter AI: trageți celule în chat, generați celule din chat, atașați context pentru LLM Am integrat Jupyter AI direct în platforma DeepLearningAI, astfel încât să puteți începe să o utilizați imediat. Deoarece Jupyter AI este open source, îl puteți instala și rula local după aceea. Indiferent dacă aveți experiență cu notebook-urile sau le învățați pentru prima dată, acest curs vă va pregăti pentru dezvoltarea notebook-urilor asistată de AI. Începeți să utilizați Jupyter AI (gratuit):

În retrospectivă, importanța GPU-urilor pentru AI a fost ceva ce am înțeles cu adevărat!

Un nou certificat profesional interesant: PyTorch for Deep Learning predat de @lmoroney este acum disponibil la . Acesta este programul definitiv pentru învățarea PyTorch, care este unul dintre principalele cadre pe care cercetătorii le folosesc pentru a construi sisteme AI revoluționare. Dacă doriți să înțelegeți cum funcționează modelele moderne de învățare profundă sau să vă construiți propriile arhitecturi personalizate, PyTorch vă oferă control direct asupra aspectelor cheie ale dezvoltării modelelor. Acest certificat profesional cu trei cursuri vă duce de la elemente fundamentale până la arhitecturi avansate și implementare: Curs 1: PyTorch: Fundamente - Aflați cum PyTorch reprezintă datele cu tensori și cum se încadrează seturile de date în procesul de antrenament. Veți construi și antrena rețele neuronale pas cu pas, veți monitoriza progresul antrenamentului și veți evalua performanța. Până la sfârșit, veți înțelege fluxul de lucru al PyTorch și veți fi gata să proiectați, să vă antrenați și să vă testați propriile modele. Curs 2: PyTorch: Tehnici și instrumente de ecosistem - Stăpânește optimizarea hiperparametrilor, profilarea modelului și eficiența fluxului de lucru. Veți folosi programatoare de rate de învățare, veți aborda supraajustarea și veți aplica reglarea automată cu Optuna. Lucrați cu TorchVision pentru inteligență artificială vizuală și Hugging Face pentru NLP. Învățați învățarea prin transfer și ajustați modelele pre-antrenate pentru noi probleme. Curs 3: PyTorch: Arhitecturi avansate și implementare - Construiți arhitecturi sofisticate, inclusiv rețele siameze, ResNet, DenseNet și transformatoare. Aflați cum mecanismele de atenție alimentează modelele de limbaj modern și cum modelele de difuzie generează imagini. Pregătiți modele pentru implementare cu ONNX, MLflow, tăiere și cuantizare. Abilități pe care le veți dobândi: - Construiți și optimizați rețelele neuronale în PyTorch - cadrul pe care cercetătorii îl folosesc pentru a crea modele revoluționare - Reglați fin modelele preantrenate pentru sarcini de viziune computerizată și NLP - adaptând modelele existente pentru a vă rezolva problemele specifice - Implementați arhitecturi de transformatoare și lucrați cu modele de difuzie, tehnologiile de bază din spatele ChatGPT și generarea modernă de imagini - Optimizați modelele cu cuantificare și tăiere pentru a le face rapide și eficiente pentru implementarea în lumea reală Fie că doriți să utilizați modele preexistente, să vă construiți propriile modele personalizate sau pur și simplu să înțelegeți ce se întâmplă sub capota sistemelor pe care le utilizați, această specializare vă va oferi această bază. Începeți să învățați PyTorch: