回顧過去，我們確實正確地認識到GPU對AI的重要性！

一個令人興奮的新專業證書：由 @lmoroney 教授的 PyTorch 深度學習課程現在已經上線。這是學習 PyTorch 的權威課程，PyTorch 是研究人員用來構建突破性 AI 系統的主要框架之一。如果你想了解現代深度學習模型的運作方式，或是構建自己的自定義架構，PyTorch 讓你能夠直接控制模型開發的關鍵方面。 這個三門課程的專業證書將帶你從基礎知識到高級架構和部署： 課程 1：PyTorch：基礎 - 學習 PyTorch 如何用張量表示數據，以及數據集如何融入訓練過程。你將逐步構建和訓練神經網絡，監控訓練進度，並評估性能。到最後，你將理解 PyTorch 的工作流程，並準備設計、訓練和測試自己的模型。 課程 2：PyTorch：技術與生態系統工具 - 精通超參數優化、模型分析和工作流程效率。你將使用學習率調度器，解決過擬合問題，並應用 Optuna 進行自動調整。使用 TorchVision 進行視覺 AI，並使用 Hugging Face 進行 NLP。學習遷移學習並微調預訓練模型以解決新問題。 課程 3：PyTorch：高級架構與部署 - 構建複雜的架構，包括 Siamese 網絡、ResNet、DenseNet 和 Transformers。了解注意力機制如何驅動現代語言模型，以及擴散模型如何生成圖像。使用 ONNX、MLflow、剪枝和量化準備模型進行部署。 你將獲得的技能： - 在 PyTorch 中構建和優化神經網絡——研究人員用來創建突破性模型的框架 - 微調預訓練模型以應對計算機視覺和 NLP 任務——調整現有模型以解決你的特定問題 - 實現變壓器架構並使用擴散模型，這是 ChatGPT 和現代圖像生成的核心技術 - 使用量化和剪枝優化模型，使其在現實世界部署中快速高效 無論你想使用現有模型、構建自己的自定義模型，還是僅僅想了解你使用的系統背後發生了什麼，這個專業化將為你提供基礎。 開始學習 PyTorch：

一門令人興奮的新課程：針對大型語言模型的微調與強化學習：後訓練入門，由 @realSharonZhou 主講，她是 @AMD 的 AI 副總裁。現在可以在這裡獲得。 後訓練是前沿實驗室用來將基礎大型語言模型（在大量未標記文本上訓練以預測下一個單詞/標記的模型）轉變為能夠遵循指令的有用、可靠助手的關鍵技術。我也看到許多應用中，後訓練將僅在 80% 時間內運作的演示應用轉變為一個穩定的系統，能夠持續表現。這門課程將教你最重要的後訓練技術！ 在這個 5 模組的課程中，Sharon 將帶你了解完整的後訓練流程：監督微調、獎勵建模、強化學習人類反饋（RLHF）以及像 PPO 和 GRPO 的技術。你還將學會如何使用 LoRA 進行高效訓練，以及設計評估以在部署前後捕捉問題。 你將獲得的技能： - 應用監督微調和強化學習（RLHF、PPO、GRPO）來使模型與期望行為對齊 - 使用 LoRA 進行高效微調，而無需重新訓練整個模型 - 準備數據集並生成合成數據以進行後訓練 - 理解如何操作大型語言模型的生產流程，並設置進行/不進行的決策點和反饋循環 這些先進的方法不再僅限於前沿 AI 實驗室，現在你也可以在自己的應用中使用它們。 在這裡學習：