Derniere mise a jour : 8/2021MP4 | Video: h264, 1280x720 | Audio: AAC, 44.1 KHzLanguage: Francais | Size: 791.86 MB | Duration: 2h 48m
Introduction du framework PyTorch, de ses mecanismes internes et de son API What you'll learn Le fonctionnement interne de PyTorch et son moteur de differenciation integre L'utilisation de PyTorch par la pratique (tenseurs, optimiseurs, planificateurs, decorateurs, ...) La programmation differentiable La resolution d'un probleme d'optimisation ("black-box") avec PyTorch L'implementation de reseaux de neurones avec PyTorch L'implementation de LSTMs pour predire le cours de la bourse Requirements Savoir programmer avec Python Description Dans ce cours, je vais vous expliquer de maniere pratique et intuitive comment fonctionne le framework PyTorch. Nous irons donc au-dela de l'utilisation de l'API ce qui vous permettra de comprendre concretement ce qui s'y passe et vous permettra de continuer votre parcours dans le machine learning et/ou la programmation differentiable avec plus de confiance. Ce cours est divise en trois parties.Dans la prre partie, nous implementerons (en Python, a partir de zeros) notre propre framework de programmation differentiable, qui sera tres semblable a PyTorch. Cela vous permettra de comprendre le fonctionnement de PyTorch, TensorFlow, JAX, etc. Ensuite, nous nous recentrerons sur PyTorch et verrons les operations tensorielles de base, le calcul de gradients et l'utilisation de carte graphiques (GPUs).Dans la deuxieme partie, nous nous focaliserons sur les algorithmes de descente de gradients (essentiels pour l'entrainement de reseaux de neurones). Nous implementerons le simulateur d'un probleme balistique et verrons comment utiliser la puissance de PyTorch pour resoudre un probleme d'optimisation (ce probleme pedagogique pourra etre facilement etendu a un probleme reel, comme des simulations de mecanique des fluides, pour ceux qui le souhaitent). Nous verrons aussi comment utiliser les optimiseurs et comment les combiner avec des planificateurs pour qu'ils soient d'autant plus efficace.Finalement, nous attaquerons les reseaux de neurones. Nous resoudrons un probleme de classification, d'abord avec un MLP, et ensuite avec un CNN. Le dernier module de ce cours consistera a implementer un LSTM afin de predire le cours de la bourse sur des donnees reelles. Nous verrons qu'avec a peine quelques lignes de code, des resultats bluffant peuvent etre atteints.Si ce programme vous enchante, n'attendez plus! Overview Section 1: Introduction Lecture 1 Introduction Lecture 2 Qu'est-ce que PyTorch? Lecture 3 Manipulation de tenseurs Lecture 4 Calcul de gradients Section 2: Descente de gradient Lecture 5 Optimiseurs Lecture 6 Resolution d’un probleme de balistique Lecture 7 Planificateurs Section 3: Reseaux de neurones Lecture 8 MLP Lecture 9 CNN Lecture 10 LSTM (prediction du cours de la bourse) Toute personne qui aimerait apprendre PyTorch par la pratique.,Toute personne qui aimerait comprendre PyTorch en profondeur.,Toute personne interessee par la programmation differenciable,Toute personne interessee par le machine learning & l'intelligence artificielle. HomePage:
TO MAC USERS: If RAR password doesn't work, use this archive program:
RAR Expander 0.8.5 Beta 4 and extract password protected files without error.
TO WIN USERS: If RAR password doesn't work, use this archive program:
Latest Winrar and extract password protected files without error.