A codificação de IA acabou de chegar aos notebooks Jupyter - e @brganger (cofundador do Jupyter) e eu mostraremos como usá-la. A codificação manual está se tornando obsoleta. O mais recente Jupyter AI - construído pela equipe Jupyter e apresentado na JupyterCon esta semana - traz assistência de IA diretamente para notebooks. A maioria dos assistentes de codificação de IA tem dificuldades com notebooks Jupyter. O Jupyter AI foi projetado especificamente para eles. Este é o primeiro curso a ensiná-lo. Neste curso, Brian e eu ensinamos você a: - Gere e depure código diretamente nas células do notebook por meio de uma interface de bate-papo integrada - Forneça o contexto certo (como documentos de API) para ajudar a IA a escrever código preciso - Use os recursos exclusivos do bloco de anotações do Jupyter AI: arraste células para o bate-papo, gere células do bate-papo, anexe contexto para o LLM Integramos o Jupyter AI diretamente à plataforma DeepLearningAI, para que você possa começar a usá-lo imediatamente. Como o Jupyter AI é de código aberto, você também pode instalá-lo e executá-lo localmente posteriormente. Se você tem experiência com notebooks ou os aprende pela primeira vez, este curso irá prepará-lo para o desenvolvimento de notebooks assistido por IA. Comece a usar o Jupyter AI (grátis):

Em retrospectiva, a importância das GPUs para a IA foi algo que realmente acertamos!

Um novo e empolgante certificado profissional: PyTorch for Deep Learning ministrado pela @lmoroney agora está disponível em . Este é o programa definitivo para aprender PyTorch, que é uma das principais estruturas que os pesquisadores usam para construir sistemas de IA inovadores. Se você quiser entender como os modelos modernos de aprendizado profundo funcionam ou criar suas próprias arquiteturas personalizadas, o PyTorch oferece controle direto sobre os principais aspectos do desenvolvimento de modelos. Este certificado profissional de três cursos leva você dos fundamentos às arquiteturas avançadas e implantação: Curso 1: PyTorch: Fundamentos - Saiba como o PyTorch representa dados com tensores e como os conjuntos de dados se encaixam no processo de treinamento. Você criará e treinará redes neurais passo a passo, monitorará o progresso do treinamento e avaliará o desempenho. Ao final, você entenderá o fluxo de trabalho do PyTorch e estará pronto para projetar, treinar e testar seus próprios modelos. Curso 2: PyTorch: Técnicas e Ferramentas do Ecossistema - Domine a otimização de hiperparâmetros, criação de perfil de modelo e eficiência do fluxo de trabalho. Você usará agendadores de taxa de aprendizado, abordará o overfitting e aplicará o ajuste automatizado com o Optuna. Trabalhe com TorchVision para IA visual e Hugging Face para PNL. Aprenda a transferir aprendizado e ajuste modelos pré-treinados para novos problemas. Curso 3: PyTorch: Arquiteturas Avançadas e Implantação - Construa arquiteturas sofisticadas, incluindo Siamese Networks, ResNet, DenseNet e Transformers. Saiba como os mecanismos de atenção alimentam os modelos de linguagem modernos e como os modelos de difusão geram imagens. Prepare modelos para implantação com ONNX, MLflow, poda e quantização. Habilidades que você ganhará: - Crie e otimize redes neurais no PyTorch - a estrutura que os pesquisadores usam para criar modelos inovadores - Ajuste modelos pré-treinados para tarefas de visão computacional e NLP, adaptando modelos existentes para resolver seus problemas específicos - Implemente arquiteturas de transformadores e trabalhe com modelos de difusão, as principais tecnologias por trás do ChatGPT e geração de imagens modernas - Otimize modelos com quantização e poda para torná-los rápidos e eficientes para implantação no mundo real Se você deseja usar modelos pré-existentes, criar seus próprios modelos personalizados ou apenas entender o que está acontecendo nos bastidores dos sistemas que você usa, esta especialização lhe dará essa base. Comece a aprender PyTorch: