www.machinelearningmastery.ru

Машинное обучение, нейронные сети, искусственный интеллект
Header decor

Home

Fast.ai: TOC практического глубокого обучения - часть 1

Дата публикации May 26, 2017

Фото: Широ Хатори

Сейчас я нахожусь в путешествии, чтобы превратить мой интерес и увлечение глубоким обучением в карьеру. Исходя из опыта разработки программного обеспечения, я немного опережаю других, но не намного.

Вы можете прочитать о моих увольнениях и карьерных должностяхВотна Среднем и обновленной версии комментария наLinkedIn,

Ведение блога - большая часть моего путешествия, в частности, отслеживание того, что я на самом деле изучаю. Не только для себя в данный момент, но и для тех, кто идет по аналогичным стопам. Так что этот пост предназначен для тех, кто заинтересован в изучении или изучении того, что преподается вFast.aiиUSF Data Institute: глубокое обучениепрограмма.


Этот пост также был частично вдохновлен твиттером, намекающим на отличную работуРэйчел Томаса такжеДжереми Ховардделают как ошарашенный.

Часть 10 ответа Рэйчел (прочитайте все 11 частей, это здорово!):


Часть 1

Глава 1: Распознавание изображений

  • Настройте свой собственный экземпляр AWS
  • Введение в глубокое обучение и почему это полезно
  • 7 строк кода для глубокого обучения
  • Разрушение VGG16
  • Примите участие в конкурсе Kaggle: поместите 50% лучших по сравнению с собакой и кошкой.

Глава 2:CNNs

  • Dogs vs. Cats Redux: современная модель объяснена
  • Предварительно обученные сети против случайных весов
  • Как и почему отладки
  • Плотные слои, стохастический градиентный спуск и функции активации

Глава 3:Понимание над и под примеркой

  • CNN на работе: от точечного продукта до убеждений и обратно (распространение) снова
  • Работа с над и под штуцером
  • Методы регуляризации CNN
  • Обучение под псевдонимом, псевдо-маркировка и дистилляция знаний
  • Свертки и SGD в Excel

Глава 4:Совместная фильтрация, вложения и многое другое

  • Вложения в Excel
  • Системы рекомендаций и совместная фильтрация
  • Скрытые факторы
  • Создайте больше моделей

Глава 5:Введение в НЛП и РНН

  • Keras Функциональный API
  • Мультиразмерные CNN
  • сентиментальностьнализ
  • НЛП трансферное обучение
  • Визуализация нейронной сети как вычислительных графов
  • Введение в RNNs

Глава 6:RNN из Scratch, Embeddeds и Theano API

  • Вложения для RNN в Excel
  • Создание моделей RNN от Scratch с Keras
  • Создание RNN с API Theano

Глава 7:Архитектуры CNN, ограничивающие рамки и множественные входы

  • Обзор ResNet и начальных CNN
  • Утечка данных
  • CNN: как работать с несколькими входами, выходами и ограничивающими рамками
  • Полностью сверточные сети

Резюме

Многое описано в первой части этой программы. Для каждой «главы» есть 2-часовое видео, сопровождающее блокнот (ы) Jupyter, заметки / вики (написанные / обновленные в основном студентами), рекомендуемые чтения (блоги, статьи и т. Д.) Джереми, задания (не отмечены, но рекомендуемая практика) работа) и удивительный активфорумылично и онлайн студентов.

Стиль преподавания - это подход «сверху вниз», о котором вы можете прочитать большеВот, Лично я думаю, что это здорово! Точно так же, как мне не нужно знать ассемблер / машинный код для написания Python, мне не нужно знать тонкости каждой математической формулы, чтобы использовать методы глубокого обучения.

Но не заблуждайтесь, есть математика, формулы, сложные понятия, которые нужно понять, и сухие академические статьи, которые вы можете прочитать, если это ваше дело. Это подход, который отличается / лучше, который так интригует многих людей. И как любой курс или программа, онлайн или в колледже,усилия, которые вы вкладываете в дела.


Что касается меня, я успешно закончил часть 1 и чувствую себя намного умнее, чем месяц назад. Я не эксперт по глубокому обучению (пока!), Но у меня определенно естьбольше знаний и практического опытачем ряд моих коллег из-за Fast.ai.

Сейчас я прорабатываю часть 2, и, надеюсь, через 4 недели вы будете готовы к моему посту.


Мысли? Вопросы по программе?Не стесняйтесь задавать свои вопросы в разделе комментариев ниже.

Оригинальная статья

Footer decor

© www.machinelearningmastery.ru | Ссылки на оригиналы и авторов сохранены. | map