Einführung in das Deep Learning mit TensorFlow

Den vollständigen Kurs in Russisch finden Sie unter diesem Link .
Der ursprüngliche Englischkurs ist unter diesem Link verfügbar.



Alle 2-3 Tage sind neue Vorträge geplant.

Wer sind diese Leute?

Lassen Sie uns mehr über diejenigen erfahren, die diesen Kurs für uns vorbereitet haben und ihn unterrichten werden.

Drei Personen:

• Magnus Hyttsten , Entwickleranwalt, Google
• Juan Delgado , Inhaltsentwickler, Udacity
• Paige Bailey , Entwickleranwalt, Google

Erstens, wer sind Entwickleranwälte ? Nach diesem Artikel mit Habr zu urteilen , sind dies Evangelisten. Wer sind die Evangelisten?

Der IT-Evangelist ist ein Spezialist, der sich professionell für die Informationstechnologie einsetzt.

Interessant.

Während des Studiums des maschinellen Lernens stoßen wir auf viele neue und unterschiedliche Begriffe, beispielsweise auf Begriffe wie künstliche Intelligenz , maschinelles Lernen , neuronale Netze und tiefes Lernen . Was bedeuten diese Begriffe wirklich und in welcher Beziehung stehen sie zueinander?

Im Folgenden werden wir jeden dieser Begriffe analysieren und ihre Beziehung zueinander zeigen.

Künstliche Intelligenz : Ein Bereich der Informatik, der darauf abzielt, die Entwicklung menschlicher Intelligenz in Computern zu erreichen. Es gibt viele Möglichkeiten, um Ihre Ziele zu erreichen, einschließlich maschinelles Lernen und tiefes Lernen.

Maschinelles Lernen : Eine Reihe verwandter Techniken, bei denen der Computer für die Ausführung einer bestimmten Aufgabe geschult wird, anstatt direkt eine Lösung für ein Problem zu programmieren.

Neuronale Netze : Eine Struktur im maschinellen Lernen, die von Netzwerken von Neuronen (Nervenzellen) im biologischen Gehirn inspiriert ist. Neuronale Netze sind ein wesentlicher Bestandteil des tiefen Lernens und werden in diesem Kurs untersucht (betroffen).

Deep Learning : Ein Teilbereich des maschinellen Lernens unter Verwendung mehrschichtiger neuronaler Netze (neuronale Netze, die aus mehreren Schichten bestehen). Oft werden die Begriffe „maschinelles Lernen“ und „tiefes Lernen“ synonym verwendet.

Maschinelles Lernen und tiefes Lernen bestehen ebenfalls aus vielen Teilbereichen, Zweigen und einzigartigen Techniken. Eines der bedeutendsten und bekanntesten Beispiele ist die Trennung von " Lernen mit einem Lehrer " und " Lernen ohne Lehrer ".

In einfachen Worten, beim „Lernen mit einem Lehrer“ wissen Sie, was Sie einem Computer beibringen möchten, während beim „Lernen ohne Lehrer“ der Computer das Bestimmen lässt, was gelernt werden kann. „ Unterrichten mit einem Lehrer “ ist die Standardmethode des maschinellen Lernens, und darauf konzentrieren wir uns in diesem Kurs.

Was brauchen wir von den Werkzeugen?

Python - Grundkenntnisse (Schleifen, bedingte Anweisungen, Listen, arithmetische Operationen und einige andere Grundstrukturen).

Wenn Sie möchten, können Sie die Bibliothek TensorFlow.js in Ihrer bevorzugten JavaScript-Sprache in Ihrem Browser verwenden.

Mit TensorFlow können Sie auch über "Ports" -Verbindungen mit Sprachen wie Swift, R und Julia arbeiten. Python und JavaScript werden derzeit am umfassendsten unterstützt, daher werden sie empfohlen.

CoLab: Sandbox-Plattform für unsere Anwendungen

Um die Menge an Software zu reduzieren, die Sie auf einem lokalen Computer installieren müssen, verwenden wir während des gesamten Kurses den kostenlosen Google-Dienst Colab basierend auf Jupyter .

... und Standard-Handlungsaufforderung - anmelden, ein Plus setzen und teilen :)


YouTube: https://youtube.com/channel/ashmig
Telegramm: https://t.me/ashmig
VKontakte: https://vk.com/ashmig

PS

Welche Art von Englischkursen in dieser Richtung sollten für die Öffentlichkeit übersetzt und in Materialien (Text + Video) verpackt werden? Welches Format praktischer Aufgaben eignet sich am besten für diese Bereiche - fertige Baugruppen auf GitHub oder Codefragmente für spätere persönliche Informationen aller Teile?

Jedes Feedback wird geschätzt!