Introduction à l'apprentissage en profondeur à l'aide de TensorFlow

Le cours complet de russe se trouve sur ce lien .
Le cours d'anglais original est disponible sur ce lien .



De nouvelles conférences sont prévues tous les 2-3 jours.

Qui sont ces gens?

Découvrons-en plus sur ceux qui ont préparé ce cours pour nous et l'enseigneront.

Trois personnes:

• Magnus Hyttsten , développeur avocat, Google
• Juan Delgado , développeur de contenu, Udacity
• Paige Bailey , avocate des développeurs, Google

D'abord, qui sont les défenseurs des développeurs ? A en juger par cet article avec Habr, ce sont des évangélistes. Qui sont les évangélistes?

L'évangéliste informatique est un spécialiste professionnellement engagé dans le plaidoyer dans le domaine des technologies de l'information.

Intéressant.

En étudiant l'apprentissage automatique, nous rencontrons de nombreux termes nouveaux et différents, par exemple, des termes tels que l' intelligence artificielle , l'apprentissage automatique , les réseaux de neurones et l'apprentissage profond . Que signifient réellement ces termes et comment sont-ils liés les uns aux autres?

Ci-dessous, nous analyserons chacun de ces termes et montrerons leur relation les uns avec les autres.

Intelligence artificielle : un domaine de l'informatique qui vise à réaliser le développement de l'intelligence humaine dans les ordinateurs. Il existe de nombreuses façons d'atteindre vos objectifs, notamment l'apprentissage automatique et l'apprentissage en profondeur.

Apprentissage automatique : ensemble de techniques connexes dans lesquelles l'ordinateur est formé pour effectuer une tâche spécifique, plutôt que de programmer directement une solution à un problème.

Réseaux de neurones : une structure d'apprentissage automatique inspirée des réseaux de neurones (cellules nerveuses) du cerveau biologique. Les réseaux de neurones sont une partie fondamentale de l'apprentissage profond et seront étudiés (affectés) dans ce cours.

Deep learning : un sous-domaine de l'apprentissage automatique utilisant des réseaux de neurones multicouches (réseaux de neurones constitués de plusieurs couches). Souvent, les termes «machine learning» et «deep learning» sont interchangeables.

L'apprentissage automatique et l'apprentissage en profondeur comprennent également de nombreux sous-domaines, branches et techniques uniques. L'un des exemples les plus significatifs et les plus connus est la séparation entre « apprendre avec un enseignant » et « apprendre sans enseignant ».

En termes simples, dans «apprendre avec un enseignant», vous savez ce que vous voulez enseigner à un ordinateur, tandis que «apprendre sans enseignant» revient à laisser l'ordinateur déterminer ce qui peut être appris. « Enseigner avec un enseignant » est le type d'apprentissage automatique le plus standard, et c'est sur lui que nous nous concentrerons dans ce cours.

De quoi avons-nous besoin des outils?

Python - connaissances de base (boucles, instructions conditionnelles, listes, opérations arithmétiques et autres structures de base).

Si vous le souhaitez, vous pouvez utiliser la bibliothèque TensorFlow.js dans votre langue JavaScript préférée dans votre navigateur.

TensorFlow vous permet également de travailler, via des connexions «ports», avec des langages tels que Swift, R et Julia. Python et JavaScript ont actuellement le support le plus complet, ils sont donc recommandés.

CoLab: plateforme sandbox pour nos applications

Pour réduire la quantité de logiciels que vous devez installer sur une machine locale, nous utiliserons tout au long du cours le service gratuit de Google - Colab basé sur Jupyter .

... et appel à l'action standard - inscrivez-vous, mettez un plus et partagez :)


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

PS

Quels types de cours d'anglais dans cette direction faut-il suivre pour traduire pour le public et les intégrer dans du matériel (texte + vidéo)? Quel format de tâches pratiques est le plus approprié dans ces domaines - assemblages prêts à l'emploi sur GitHub ou extraits de code pour les informations personnelles ultérieures de toutes les pièces?

Toute rétroaction est appréciée!