【培训背景】

人工智能在各行业的迅速落地，使很多任务的完成成本大幅降低，效率显著提升。与此同时，作为其技术内核，机器学习和深度学习算法也越来越受到人们的关注，越来越多的行业的从业者都希望了解和学习机器学习与深度学习的相关原理，并希望将其与自己的领域相结合，拓展新思路，形成新的解决方案。

PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。2017年由Facebook人工智能研究院推出PyTorch。它是一个基于Python的可续计算包，提供包括如下功能：

1、具有强大的GPU加速的张量计算（如NumPy）。

2、包含自动求导系统的深度神经网络。

【培训收益】

熟悉PyTorch深度学习库的基本概念；

熟悉Python基础语法；

熟悉Anaconda环境配置与基本操作；

掌握Matplotlib可视化技术；

掌握Numpy技术基础；

掌握机器学习的基本原理；

掌握PyTorch基础；

掌握基于PyTorch的CNN手写数字识别编程实战；

掌握基于PyTorch的RNN sin声波时间序列预测编程实战。

【适合人群】

软件工程师、资深开发人员、人工智能工程师、图像设计人员、机器学习工程师、算法工程师、计算机视觉处理工程师。

【培训特色】

1、实战导向，强化应用能力

项目实战：课程包含丰富的实战项目，这些项目覆盖了计算机视觉、自然语言处理、强化学习等多个领域，如图像分类、目标检测、情感分析、游戏智能等。通过实际项目的操作，学员能够深入理解和掌握PyTorch的应用技巧，提升解决实际问题的能力。

案例教学：通过具体案例的分析和讲解，引导学员理解PyTorch在解决实际问题中的应用方法和技巧。这种教学方式有助于学员更快地掌握PyTorch的核心概念和操作方法。

2、灵活易用，降低学习门槛

简洁明了的API设计：PyTorch以其简洁明了的API设计而闻名，这使得学员在学习和使用过程中能够更快地理解和上手。课程会详细介绍PyTorch的API和常用工具包，帮助学员更好地利用这些资源。

动态计算图：PyTorch采用动态计算图，这使得模型的构建和调试更加灵活。课程会讲解动态计算图的优势和使用方法，帮助学员更好地理解和利用这一特性。

3、内容全面，构建知识体系

系统教学：课程从PyTorch的基础知识讲起，包括环境搭建、基本语法、张量操作等，然后逐步深入到神经网络的构建、训练与优化等高级内容。通过系统的教学安排，帮助学员构建完整的PyTorch知识体系。

理论结合实践：课程不仅注重理论知识的传授，还强调实践操作的重要性。通过理论讲解和实战项目的结合，使学员能够在实践中巩固所学知识，提升学习效果。

4、师资力量雄厚，教学经验丰富

专业讲师：课程由具有丰富实战经验和教学经验的讲师授课。他们不仅熟悉PyTorch的技术细节和应用场景，还能够根据学员的实际情况和需求进行有针对性的教学。

5、提供丰富的学习资源和支持

学习资料：课程会提供丰富的学习资料，包括教学视频、课件、代码示例等。这些资料可以帮助学员更好地理解和掌握PyTorch的技术细节和应用方法。

在线答疑：许多课程还提供在线答疑服务，学员在学习过程中遇到问题时可以随时向讲师或助教提问并获得解答。这种即时的互动反馈能够提升学员的学习体验和效果。

【结业证书】

参加培训并通过考试学员，由工业和信息化部教育与考试中心统一颁发证书，证书可作为专业技术人员职业能力考核的证明，以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。

 证书样本

PyTorch应用与技术实战培训班，录播课为23课时，企业内训可按需求定制。

课程安排如下：

第0章 PyTorch应用与技术实战

PyTorch应用与技术实战-课程介绍

第1章 Python编程基础

语言基础-Anaconda

语言基础-Python基础语法（1）

语言基础-Python基础语法（2）

语言基础-Python基础语法（3）

语言基础- Python面向对象编程（1）

语言基础- Python面向对象编程（2）

语言基础-NumPy基础

语言基础-Matplotlib基础

第2章 机器学习数学基础

数学原理-基础知识

数学原理-线性代数

数学原理-微积分

数学原理-概率统计（1）

数学原理-概率统计（2）

第3章 机器学习技术基础

机器学习-机器学习基础（1）

机器学习-机器学习基础（2）

机器学习-经典算法

第4章 神经网络

机器学习-神经网络基础-神经网络概述

机器学习-神经网络基础-深度神经网络

机器学习-神经网络基础-卷积神经网络

机器学习-神经网络基础-常见深度学习技术

第5章 PyTorch基础

经典框架-PyTorch基础

第6章 项目实战

关于学习流程

神经网络-单层感知机项目

神经网络-逻辑回归项目

神经网络-多分类逻辑回归项目

神经网络-多层感知机项目

深度神经网络-多层感知机-PyTorch版

深度神经网络-MNIST-PyTorch版

CNN-PyTorch

RNN-概述

RNN-PyTorch版