Конкурс на получение стипендии PyTorch

Партнерство между Facebook и Udacity привело к тому, что 10 000 мест для испытаний стали доступны в новом курсе Udacity «Введение в глубокое обучение с PyTorch», созданном в сотрудничестве с Сумитом Чинтала, исследователем искусственного интеллекта Facebook и создателем PyTorch.

После двухмесячного контрольного курса триста студентов получат полную стипендию от Facebook на Deep Learning Nanodegree от Udacity, которая представляет собой четырехмесячную программу стоимостью 999 долларов, о которой мы ранее сообщали.

Новости об этой возможности были объявлены на первой конференции разработчиков PyTorch, на которой был выпущен фреймворк PyTorch 1.0 с открытым исходным кодом в предварительной версии для разработчиков, а также fastai 1.0, библиотека глубокого обучения с открытым исходным кодом, созданная на основе PyTorch.

Конкурс на получение стипендии PyTorch состоит из двух этапов:

Фаза 1 – это испытательный курс. Продолжительность этого нового курса «Введение в глубокое обучение с помощью PyTorch» составляет два месяца, в течение которых участники программы будут получать поддержку от менеджеров сообщества.

На этапе 2 300 лучших студентов с точки зрения результатов и сотрудничества на первом этапе получат полные стипендии для программы Udacity Deep Learning Nanodegree, где они будут охватывать такие темы, как: сверточные и рекуррентные нейронные сети, генеративные состязательные сети, развертывание, и больше. Студенты будут использовать PyTorch и будут иметь доступ к графическим процессорам для более быстрого обучения моделей, поскольку они будут учиться у таких авторитетов, как Себастьян Трун, Ян Гудфеллоу, Джун-Ян Чжу и Эндрю Траск.

Предпосылками для участия в конкурсе на получение стипендии PyTorch являются средний опыт программирования на Python и линейная алгебра. Он открыт для соискателей в возрасте 18 лет и старше, а также предоставляет справочную информацию и ответы на вопросы, чтобы установить ваше знакомство с Python, математическим расчетом, линейной алгеброй и Numpy, вам необходимо предоставить короткие абзацы с изложением:

Чего вы надеетесь достичь с помощью этой программы?

а также

Почему вы должны получать стипендию?

Условия стипендии, согласно которым взносы за Программу Nanodegree будут полностью покрываться Facebook, Спонсором стипендии и Udacity, включают условие, что Udacity может делиться обновлениями и данными о прогрессе получателей в Программе Nanodegree с Facebook, а имена и изображения могут объявляться публично и использоваться для продвижения стипендиальной программы. Информация, представленная в заявке, может быть использована для будущих возможностей получения стипендии, включая обмен информацией с потенциальными спонсорами стипендии.

Введение в глубокое обучение с PyTorch состоит из восьми уроков:

1 – Введение в глубокое обучение

Откройте для себя базовые концепции глубокого обучения, такие как нейронные сети и градиентный спуск.

Реализуйте нейронную сеть в NumPy и обучите ее с помощью градиентного спуска с помощью классных упражнений по программированию.

Создайте нейронную сеть для прогнозирования приема студентов

2 – Введение в PyTorch

Послушайте Сумит Чинтала, создателя PyTorch, о том, как появился фреймворк, где он используется сейчас и как он меняет будущее глубокого обучения.

3 – Глубокое обучение с PyTorch

Создайте свою первую нейронную сеть с PyTorch для классификации изображений одежды

Поработайте с набором блокнотов Jupyter, чтобы изучить основные компоненты PyTorch.

Загрузите предварительно обученную нейронную сеть, чтобы создать современный классификатор изображений.

4 – Сверточные нейронные сети

Используйте PyTorch для создания сверточных нейронных сетей для современных приложений компьютерного зрения

Обучите сверточную сеть для классификации пород собак по изображениям собак

5 – Перенос стиля

Используйте предварительно обученную сверточную сеть для создания нового искусства путем объединения стиля одного изображения с содержимым другого изображения.

Реализуйте статью Леона А. Гатиса, Александра С. Эккера и Матиаса Бетге «Нейроалгоритм художественного стиля»

6 – Рекуррентные нейронные сети

Создавайте повторяющиеся нейронные сети с PyTorch, которые могут учиться на последовательных данных, таких как естественный язык.

Внедрить сеть, которая учится у Толстого “Анна Каренина” для создания нового текста на основе романа.

7 – Классификация естественного языка

Используйте PyTorch для реализации повторяющейся нейронной сети, которая может классифицировать текст

Используйте свою сеть, чтобы предсказать настроение обзоров фильмов

8 – Развертывание с PyTorch

Сумит Чинтала учит, как развертывать модели глубокого обучения с PyTorch

Создайте чат-бота и скомпилируйте сеть для развертывания в производственной среде.

Для всех, кто интересуется глубоким обучением, это отличный бесплатный курс.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *