欢迎来到 PyTorch：深度学习和人工智能！

尽管 Google 的深度学习库Tensorflow在过去几年中获得了广泛的欢迎，但PyTorch一直是全球深度学习和人工智能专业人士和研究人员的首选库。

有没有可能 Tensorflow 流行只是因为Google流行并且使用了有效的营销？

为什么 Tensorflow 在版本 1 和版本 2 之间变化如此之大？它是否存在严重缺陷，是否仍然存在潜在问题？

鲜为人知的是，PyTorch 得到了另一家互联网巨头Facebook（具体来说是Facebook 人工智能研究实验室 – FAIR）的支持。因此，如果您想要一个由价值数十亿美元的公司和大量社区支持支持的流行深度学习库，那么 PyTorch 不会出错。也许这是一个额外的好处，当库升级到下一个版本时，它不会完全破坏你所有的旧代码。;)

另一方面，众所周知，所有顶级人工智能商店（例如OpenAI、苹果和摩根大通）都使用 PyTorch。OpenAI 最近刚刚在 2020 年转向 PyTorch，这是 PyTorch 正在加速发展的强烈迹象。

如果您是专业人士，您很快就会认识到使用 PyTorch 构建和测试新想法非常容易，而在其他试图为您做所有事情的库中可能会非常困难。哦，而且速度更快。

深度学习最近取得了一些惊人的成就，例如：

• 生成从未存在过的人和事物的美丽、逼真的图像 (GAN)
• 在策略游戏围棋以及 CS:GO 和 Dota 2（深度强化学习）等复杂视频游戏中击败世界冠军
• 自动驾驶汽车（计算机视觉）
• 语音识别（例如 Siri）和机器翻译（自然语言处理）
• 甚至制作人们做和说他们从未做过的事情的视频（DeepFakes – 深度学习的潜在邪恶应用）

本课程适合初级水平的学生一直到专家水平的学生。怎么会这样？

如果您刚刚学习了我的免费 Numpy 先决条件，那么您就知道立即投入使用所需的一切。我们将从一些非常基本的机器学习模型开始，然后逐步发展到最先进的概念。

在此过程中，您将了解所有主要的深度学习架构，例如深度神经网络、卷积神经网络（图像处理）和循环神经网络（序列数据）。

目前的项目包括：

• 自然语言处理（NLP）
• 推荐系统
• 计算机视觉的迁移学习
• 生成对抗网络（GAN）
• 深度强化学习股票交易机器人

即使您已经学习了我之前的所有课程，您仍然会学习如何转换以前的代码，以便它使用 PyTorch，并且本课程中有全新和前所未见的项目，例如时间序列预测以及如何进行股票预测。

本课程是为想要快速学习的学生而设计的，但如果您想更深入地了解理论（例如什么是损失函数，以及有哪些不同类型的梯度），也有“深入”部分下降接近）。

我采取的方法是，即使您不是 100% 熟悉数学概念，您仍然可以做到这一点！在本课程中，我们更多地关注 PyTorch 库，而不是推导任何数学方程。我已经有很多这方面的课程了，所以没有必要在这里重复。

教师注：本课程侧重于广度而不是深度，较少的理论有利于构建更酷的东西。如果您正在寻找理论更密集的课程，那么这不是您的选择。一般来说，对于每个主题（推荐系统、自然语言处理、强化学习、计算机视觉、GAN 等），我已经开设了专门针对这些主题的课程。

感谢您的阅读，我们课堂上见！

我应该按什么顺序学习您的课程？：

• 查看讲座“机器学习和 AI 先决条件路线图”（可在我的任何课程的常见问题解答中找到，包括免费的 Numpy 课程）

独特的功能

• 每行代码都有详细解释 – 如果您不同意，请随时给我发电子邮件
• 不像其他课程那样浪费时间在键盘上“打字”——说实话，没有人能真正从头开始在短短 20 分钟内编写出值得学习的代码
• 不害怕大学水平的数学 – 获取其他课程遗漏的算法的重要细节