22. 使用 Julia 进行图像分类
在使用 FastAI.jl 进行图像分类项目中，您将使用专为高性能机器学习任务而设计的 Julia 来创建简单的图像分类。您将学习一种称为 FastAI 的新语言和机器学习框架。
您还将学习如何使用 FastAI API 处理和可视化 Imagenette2-160 数 泰国手机数据 据集、加载 ResNet18 。该项目将为您使用 Julia 探索和开发深度学习解决方案打开一个新世界。
图像分类
作者头像
23. 字幕生成器
在字幕生成器项目中，您将使用 Pytorch 构建 CNN 和 LSTM 模型来创建字幕生成器。您将学习如何处理文本和图像数据、构建 CNN 编码器和 RNN 解码器，并使用调整后的超参数对其进行训练。
要构建最好的字幕生成器，您需要了解编码器-解码器架构、NLP、CNN、LSTM，并拥有使用 Pytorch 创建训练和验证函数的经验。
字幕生成器
图像来自使用深度学习的自动图像字幕
24. 使用神经网络生成音乐
在生成音乐项目中，您将使用 Music21 和 Keras 构建 LSTM 模型来生成音乐。您将了解 MIDI 文件、音符和和弦，并使用 MIDI 文件训练 LSTM 模型。
您还将学习如何创建模型架构、检查点和损失函数，以及如何使用随机输入预测成绩。主要目标是使用 MIDI 文件来训练神经网络，提取模型结果并将其转换为 MP3 音乐文件。
生成音乐
图像由Sigurður Skúli拍摄| LSTM 网络生成的音乐
25. 将机器学习应用程序部署到生产中
强烈建议在该领域寻找更好机会的机器学习专业人士 使用“在生产中部署机器学习应用程序”项目。
在此项目中，您将使用 Plotly、Transformers、MLFlow、Streamlit、DVC、GIT、DagsHub 和 Amazon EC2 将机器学习应用程序部署到云。这是展示您的 MLOps 技能的完美方式。
机器学习应用
图片来自祖马纳·凯塔
