Introdução ao aprendizado profundo usando o TensorFlow

O curso completo em russo pode ser encontrado neste link .
O curso de inglês original está disponível neste link .



Novas palestras são agendadas a cada 2-3 dias.

Quem são essas pessoas?

Vamos descobrir mais sobre aqueles que prepararam este curso para nós e o ensinarão.

Três pessoas:

• Magnus Hyttsten , Advogado de desenvolvedores, Google
• Juan Delgado , Desenvolvedor de conteúdo, Udacity
• Paige Bailey , advogada de desenvolvedores, Google

Primeiro, quem são os advogados do desenvolvedor ? A julgar por este artigo com Habr, estes são evangelistas. Quem são os evangelistas?

O evangelista de TI é um especialista profissionalmente engajado na advocacia no campo da tecnologia da informação.

Interessante.

Ao estudar o aprendizado de máquina, encontramos muitos termos novos e diferentes, por exemplo, termos como inteligência artificial , aprendizado de máquina , redes neurais e aprendizado profundo . O que esses termos realmente significam e como eles se relacionam?

Abaixo, analisaremos cada um desses termos e mostraremos o relacionamento entre eles.

Inteligência Artificial : Um campo da ciência da computação que visa alcançar o desenvolvimento de inteligência humana em computadores. Existem muitas maneiras de atingir seus objetivos, incluindo aprendizado de máquina e aprendizado profundo.

Aprendizado de máquina : um conjunto de técnicas relacionadas nas quais o computador é treinado para executar uma tarefa específica, em vez de programar diretamente uma solução para um problema.

Redes neurais : uma estrutura de aprendizado de máquina inspirada em redes de neurônios (células nervosas) no cérebro biológico. As redes neurais são uma parte fundamental do aprendizado profundo e serão estudadas (afetadas) neste curso.

Aprendizado profundo : uma subárea de aprendizado de máquina usando redes neurais multicamadas (redes neurais compostas por várias camadas). Muitas vezes, os termos "aprendizado de máquina" e "aprendizado profundo" são usados ​​de forma intercambiável.

O aprendizado de máquina e o aprendizado profundo também consistem em muitas subáreas, ramos e técnicas exclusivas. Um dos exemplos mais significativos e conhecidos é a separação de " aprender com um professor " e " aprender sem um professor ".

Em termos simples, em “aprender com um professor” você sabe o que deseja ensinar a um computador, enquanto “aprender sem um professor” é semelhante a permitir que o computador determine o que pode ser aprendido. “ Ensinar com um professor ” é o tipo mais padrão de aprendizado de máquina, e é sobre isso que vamos nos concentrar neste curso.

O que precisamos das ferramentas?

Python - conhecimento básico (loops, instruções condicionais, listas, operações aritméticas e algumas outras estruturas básicas).

Se desejar, você pode usar a biblioteca TensorFlow.js no seu idioma JavaScript favorito no seu navegador.

O TensorFlow também permite que você trabalhe, através de conexões de "portas", com idiomas como Swift, R e Julia. Python e JavaScript, no momento, têm o suporte mais completo, portanto são recomendados.

CoLab: plataforma sandbox para nossas aplicações

Para reduzir a quantidade de software que você precisa instalar em uma máquina local, ao longo do curso, usaremos o serviço gratuito do Google - Colab, baseado no Jupyter .

... e call to action padrão - inscreva-se, coloque um plus e compartilhe :)


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

PS

Que tipo de curso de inglês nessa direção deve ser adotado para traduzir para o público e empacotar em materiais (texto + vídeo)? Que formato de tarefas práticas é mais adequado nessas áreas - montagens prontas no GitHub ou trechos de código para informações pessoais subseqüentes de todas as partes?

Qualquer feedback é apreciado!