सैमसंग ने मुफ्त ऑनलाइन कंप्यूटर विजन न्यूरल नेटवर्क कोर्स शुरू किया

आपको अभी भी समझ में नहीं आया कि ReLU सिग्मॉइड से बेहतर क्यों है, Rprop RMSprop से कैसे भिन्न होता है, संकेतों को सामान्य क्यों करता है और स्किप कनेक्शन क्या है? तंत्रिका नेटवर्क को ग्राफ़ की आवश्यकता क्यों होती है, और यह क्या गलती हुई कि यह वापस प्रचारित करता है? क्या आपके पास कंप्यूटर दृष्टि के साथ एक परियोजना है, या शायद आप गंदे व्यंजनों से निपटने के लिए एक अंतरिक्ष रोबोट बना रहे हैं, और चाहते हैं कि यह खुद के लिए तय करने में सक्षम हो, लांड्रिंग करने के लिए, या इसलिए यह करेगा?

हम ओपन कोर्स "न्यूरल नेटवर्क्स एंड कंप्यूटर विजन" शुरू कर रहे हैं, जो उन लोगों को संबोधित है जो इस क्षेत्र में अपना पहला कदम उठा रहे हैं। इस कोर्स को सैमसंग रिसर्च रूस: सैमसंग रिसर्च सेंटर और सैमसंग सेंटर फॉर आर्टिफिशियल इंटेलिजेंस मॉस्को के विशेषज्ञों द्वारा विकसित किया गया था। पाठ्यक्रम की ताकत:

• बेशक लेखकों को पता है कि वे किस बारे में बात कर रहे हैं: ये मॉस्को सेंटर फॉर आर्टिफिशियल इंटेलिजेंस सैमसंग, मिखाइल रोमानोव और इगोर स्लिंको के इंजीनियर हैं;
• PyTorch पर समस्याओं और अभ्यास के साथ एक सिद्धांत है
• न्यूनतम सैद्धांतिक ज्ञान में महारत हासिल करने के तुरंत बाद अभ्यास शुरू करें।
• सर्वश्रेष्ठ छात्रों को सैमसंग रिसर्च रूस में एक साक्षात्कार के लिए आमंत्रित किया जाएगा!

यह कोर्स 1 जून को खोला गया था, जो स्टेपिक प्लेटफॉर्म पर सैमसंग से मुफ्त ऑनलाइन पाठ्यक्रमों की एक श्रृंखला में पहला था। पसंद विशेष रूप से रूसी मंच को दी गई थी - यह रूसी बोलने वाले दर्शकों के लिए अधिक अवसर प्रदान करेगा। पाठ्यक्रम मुख्य रूप से मशीन लर्निंग (एमएल) पर केंद्रित होगा। चुनाव आकस्मिक नहीं है: मई 2018 में, मास्को में सैमसंग आर्टिफिशियल इंटेलिजेंस सेंटर खोला गया, जहां एमएल वैज्ञानिक सितारे जैसे विक्टर लेम्पिट्स्की (कंप्यूटर साइंस श्रेणी में सबसे अधिक उद्धृत रूसी वैज्ञानिक), दिमित्री व्रिटिक, एंटोन कोनुशिन, सर्गेई निकोलेंको और कई अन्य काम करते हैं।

इसलिए, 6 सप्ताह के वीडियो व्याख्यान और व्यावहारिक अभ्यास के लिए, सप्ताह में 3-5 घंटे कर रहे हैं, तो आप यह पता लगाने में सक्षम होंगे कि मशीन दृष्टि की बुनियादी समस्याओं को कैसे हल किया जाए, और क्षेत्र के आगे के स्वतंत्र अध्ययन के लिए आवश्यक सैद्धांतिक प्रशिक्षण भी प्राप्त करें।

दो पाठ्यक्रम मोड माना जाता है: बुनियादी और उन्नत। पहले मामले में, व्याख्यान देखना, व्याख्यान पर प्रश्नों का उत्तर देना और सेमिनारों को हल करना पर्याप्त है। दूसरे मामले में, सैद्धांतिक समस्याओं को हल करना आवश्यक होगा जिसमें तकनीकी विश्वविद्यालय के 1-2 पाठ्यक्रमों के गणित से पर्याप्त व्यापक ज्ञान लागू करना आवश्यक होगा।

पाठ्यक्रम लगातार तंत्रिका नेटवर्क के निर्माण की शब्दावली और सिद्धांतों को निर्धारित करता है, आधुनिक कार्यों, अनुकूलन विधियों, हानि कार्यों और तंत्रिका नेटवर्क की मूल वास्तुकला के बारे में बात करता है। और प्रशिक्षण के अंत में - कंप्यूटर विज़न के एक दृश्य लागू कार्य का समाधान।

पाठ्यक्रम के शिक्षक

मिखाइल रोमानोव

MIPT स्नातक। उन्होंने यैंडेक्स डेटा एनालिसिस स्कूल से स्नातक किया। उन्होंने तकनीकी विश्वविद्यालय डेनमार्क से पीएचडी की उपाधि प्राप्त की।

मॉस्को एआई सेंटर सैमसंग का एक कर्मचारी। माइकल रोबोट के लिए मशीन विजन कार्यों में लगे हुए हैं और पढ़ाना पसंद करते हैं। आगे के पाठ्यक्रमों के लिए उनके पास कई विचार और विषय हैं। सैमसंग सेंटर फॉर आर्टिफिशियल इंटेलिजेंस में आयोजित AI बूटकैंप 2018 के स्नातकों में से एक ने शिक्षक के रूप में मिखाइल के मूल्यांकन के सवाल पर निकास प्रश्नावली में लिखा, "यह एक दया है कि छह की कोई रेटिंग नहीं है!"


इगोर स्लींको

MIPT स्नातक। उन्होंने यैंडेक्स डेटा एनालिसिस स्कूल से स्नातक किया। मॉस्को एआई सेंटर सैमसंग का एक कर्मचारी। इगोर रोबोट के लिए मशीन विज़न कार्यों से भी संबंधित है और हायर स्कूल ऑफ़ इकोनॉमिक्स में मशीन लर्निंग सिखाता है। अंतिम और इस वर्ष वह सैमसंग रिसर्च रूस के साथ साझेदारी में आयोजित समर स्कूल सामाजिक और शैक्षिक परियोजना की दीप लर्निंग कार्यशाला में एक स्वयंसेवक व्याख्याता थे।

पाठ्यक्रम कार्यक्रम

तंत्रिका नेटवर्क:

1. न्यूरॉन का गणितीय मॉडल
2. बूलियन ऑपरेशन न्यूरॉन्स के रूप में
3. न्यूरॉन से तंत्रिका नेटवर्क तक
4. कार्यशाला: PyTorch में मूल कार्य

पहला तंत्रिका नेटवर्क बनाएँ:

1. तंत्रिका नेटवर्क निर्भरता वसूली
2. तंत्रिका नेटवर्क घटक
3. सैद्धांतिक उद्देश्य: निर्भरता वसूली
4. तंत्रिका नेटवर्क ट्यूनिंग एल्गोरिथ्म
5. सैद्धांतिक समस्याएं: कम्प्यूटिंग और बैकप्रॉप के रेखांकन

तंत्रिका नेटवर्क का उपयोग करके हल किए गए कार्य:

1. बाइनरी वर्गीकरण? बाइनरी क्रॉस एन्ट्रॉपी!
2. मल्टीस्कैलर्स का वर्गीकरण? Softmax!
3. स्थानीयकरण, पहचान, सुपर-रिज़ॉल्यूशन
4. सैद्धांतिक समस्याएं: नुकसान के कार्य
5. वर्कशॉप: फर्स्ट न्यूरल नेटवर्क का निर्माण
6. कार्यशाला: PyTorch में वर्गीकरण

अनुकूलन के तरीके:

1. सबसे आम ढाल वंश
2. ग्रेडिएंट डिसेंट मॉडिफिकेशन
3. सैद्धांतिक उद्देश्य: गति के साथ समझ को कम करना
4. कार्यशाला: पायस के प्रयोग से ग्रेडिएंट डिसेंट को लागू करना
5. कार्यशाला: पूरी तरह से कनेक्टेड नेटवर्क द्वारा हस्तलिखित संख्याओं का वर्गीकरण

संवेदी तंत्रिका नेटवर्क:

1. दीक्षांत समारोह, संकल्पों का झरना
2. आर्किटेक्चर का इतिहास: लेनेट (1998)
3. वास्तुकला का इतिहास: एलेक्सनेट (2012) और वीजीजी (2014)
4. आर्किटेक्चर का इतिहास: GoogLeNet और ResNet (2015)
5. वर्कशॉप: कनैक्टल न्यूरल नेटवर्क द्वारा लिखावट की पहचान

नियमितीकरण, सामान्यीकरण, अधिकतम संभावना विधि:

1. नियमितीकरण और तंत्रिका नेटवर्क
2. डेटा सामान्यीकरण
3. संगोष्ठी: हम CIFAR डेटासेट पर वर्गीकरण समस्या को हल करते हैं
4. अधिकतम संभावना विधि
5. संगोष्ठी: कागले पर प्रतियोगिता के उदाहरण पर सीखने का स्थानांतरण

छात्र की आवश्यकताएं

पाठ्यक्रम उन छात्रों के लिए बनाया गया है जो मशीन सीखने के क्षेत्र में पहला कदम उठाते हैं। आपसे क्या जरूरत है?

1. गणितीय आँकड़ों के क्षेत्र में बुनियादी ज्ञान हो।
2. अजगर में कार्यक्रम के लिए तैयार रहें।
3. यदि आप एक कठिन स्तर पर कोर्स करना चाहते हैं, तो आपको गणितीय विश्लेषण, रैखिक बीजगणित, संभाव्यता सिद्धांत और सांख्यिकी के अच्छे ज्ञान की आवश्यकता होगी।

क्या कॉल स्वीकार किया जाता है? फिर कोर्स के लिए आगे बढ़ें !