程式與資料

Deep Learning 深度學習實作

從神經網路、CNN、Transformer 概念到實作訓練流程，建立能看懂模型與調整實驗的能力。

訂閱開課通知回課程總覽

學完能做到

理解神經網路訓練流程
操作 PyTorch/TensorFlow 基礎實驗
處理影像與文字類型資料
看懂訓練曲線並調整模型

實作專案

影像分類模型
文字分類模型
模型訓練紀錄與比較報告

適合對象

已有 Python 與 ML 基礎的人
想深入 AI 模型實作的人

Curriculum

課程大綱

01

基礎觀念

01

01_AI_How_Learning

02

02_Weight

03

03_Prediction_and_Loss

04

04_Gradient

05

05_Backpropagation

06

06_Optimizer

07

07_Training_Loop

08

08_Debug_and_Lab

09

01_Why_Training_Loop

10

02_Dataset

11

03_DataLoader

12

04_Batch

13

05_Epoch

14

06_Training_Loop_Code

15

07_Debug_Training

02

核心能力

01

08_Lab

02

01_Why_Neural_Network

03

02_Features_and_Inputs

04

03_Linear_Layer_Part_A

05

03_Linear_Layer_Part_B

06

03_Linear_Layer_Part_C

07

03_Linear_Layer_Part_D

08

04_ReLU_Part_A

09

04_ReLU_Part_B

10

04_ReLU_Part_C

11

04_ReLU_Part_D

12

05_MLP_Part_A

13

05_MLP_Part_B

14

05_MLP_Part_C

15

05_MLP_Part_D

03

實作與延伸

01

06_Forward_Pass_Part_A

02

06_Forward_Pass_Part_B

03

06_Forward_Pass_Part_C

04

06_Forward_Pass_Part_D

05

07_Backward_Pass_Part_A

06

07_Backward_Pass_Part_B

07

07_Backward_Pass_Part_C

08

07_Backward_Pass_Part_D

09

08_Training_Loop_Part_A

10

08_Training_Loop_Part_B

11

08_Training_Loop_Part_C

12

08_Training_Loop_Part_D

13

README

14

root-legacy