Глубокое обучение! В наши дни это все шумиха, и для этого есть веская причина. Потому что это просто работает так хорошо! Вы добавляете как можно больше данных, немного вычислительной мощности, немного программирования и вуаляу вас есть потрясающая модель, которая может обучаться и делать прогнозыиз этих данных. Итак, вопрос в том, как узнать больше об этом так называемом черном ящике или волшебном алгоритме.

Во-первых, это не волшебство, это много линейной алгебры и некоторых вычислений с тонной мощности графического процессора. Итак, давайте начнем, как научиться глубокому обучению?

1. Онлайн-курсы (МООК)

Ах, все «идут», когда дело доходит до изучения чего-то нового, интернета. Сейчас существует невероятное количество высококачественных онлайн-курсов, посвященных исключительно глубокому обучению. Вот некоторые из моих любимых, с которых вы можете начать прямо сейчас.

а. Coursera: специализация по глубокому обучению: Эта обширная специализация по глубокому обучению из 5 курсов от Coursera — отличная отправная точка, если вы уже немного знакомы с машинным обучением и математикой. Вашим наставником будет Эндрю Н.Г., знаменитость и пионер в сообществе машинного обучения. В нем много видеороликов и упражнений об основах глубокого обучения, так что в конце курса вы почувствуете себя инженером. Вы можете пройти этот курс бесплатно, но чтобы получить доступ к упражнениям и получить сертификат, вам нужно будет заплатить.

б. Fast.ai: Я считаю, что этот курс также является домом для самого большого сообщества глубокого обучения, которое я считаю фантастическим, поскольку вы всегда можете найти кого-то, с кем можно учиться вместе и делиться идеями. Джереми Ховард использует в этом курсе подход снизу вниз, в то время как в Coursera все наоборот. Так что выбирайте тот стиль, который вам больше всего подходит. У Fast.ai также есть собственная библиотека глубокого обучения под названием fast.ai, созданная поверх Pytorch, удивительной платформы для глубокого обучения. Наконец, fast.ai полностью бесплатен, поэтому вы можете погрузиться в него прямо сейчас.

в. Udemy: одна из моих любимых платформ, где можно узнать почти все. Я прошел множество курсов по udemy, от музыки до веб-разработки, и, конечно же, множество курсов по машинному обучению. У меня есть два курса, которые я очень рекомендую на этой платформе. Сначала честное предупреждение; это мои партнерские ссылки, поэтому, если вы купите эти курсы по моим ссылкам, я получу кредиты, чтобы купить больше курсов в udemy.

i.Полное руководство по TensorFlow для глубокого обучения с помощью Python:Этот первый курс — отличный способ познакомиться с инструментами глубокого обучения и одной из крупнейших платформ глубокого обучения, tensorflow. Я настоятельно рекомендую это, если вы чувствуете, что у вас недостаточно опыта в машинном обучении и программировании на Python.

II. Глубокое обучение A-Z™: практические искусственные нейронные сети: этот курс очень хорошо структурирован и знакомит вас со многими типами моделей глубокого обучения, от CNN до автоэнкодеров. Я рекомендую его, если у вас уже есть опыт программирования и машинного обучения.

д. YouTube: да, вы, вероятно, уже предвидели это, но на YouTube есть много невероятных ресурсов по глубокому обучению, поэтому я не мог пропустить это.

я. CS231n — легендарная лекция, прочитанная в Стэнфордском университете и опубликованная бесплатно. Он вдохновил многих других в компьютерном зрении. Это также довольно недавняя лекция, так что это современная лекция.

ii. Серия учебных пособий по Tensorflow от Хвасса Педерсена — это невероятно хорошо подготовленная серия лекций по глубокому обучению с помощью tensorflow. Я настоятельно рекомендую его людям, которым нравится иметь доступ ко всему исходному коду и следовать хорошо структурированному курсу.

2. Книги (есть бесплатные, не волнуйтесь)

а. Книга глубокого обучения: Эта книга написана потрясающими практиками; Йен Гудфеллоу, Йошуа Бенджио и Аарон Курвиль. Это люди, которые стали пионерами в исследованиях глубокого обучения и опубликовали потрясающую бесплатную книгу. На первый взгляд это может показаться немного пугающим, но поверьте мне, если вы прочтете эту книгу, вы получите гораздо более широкое представление о глубоком обучении и сможете с уверенностью начинать свои собственные проекты.

б. Глубокое обучение с помощью Python: Франсуа Шолле, т его имя может быть вам хорошо знакомо, в зависимости от того, насколько вы занимались глубоким обучением. Франсуа Шолле — автор Keras, очень популярного API глубокого обучения. Эта книга является жемчужиной, когда дело доходит до практических приложений. Он начинается с основ и проходит через большинство лучших практик глубокого обучения. Он также использует множество примеров, чтобы убедиться, что вы действительно усвоили теорию. Вы можете найти эту книгу на Amazon, так как она платная.

3. Запачкать руки (Создайте свой собственный классификатор не хот-догов)

а. Kaggle: это замечательная платформа для обучения, практики и обмена материалами по науке о данных. На kaggle также проводятся соревнования, где вы можете заработать большие суммы денег, если ваша модель покажет хорошие результаты. Вы можете найти множество ядер в kaggle, которые в основном представляют собой блокноты кода, где люди экспериментируют со своими данными. Это отличный способ увидеть, что делают другие люди и как это воспринимается в сообществе, чтобы вы могли учиться на чужих ошибках. Я настоятельно рекомендую просто погрузиться в учебные пособия kaggle, а затем изучить ядра, которые вас интересуют. Это отличный способ учиться, если вам нравится учиться, сразу погружаясь в суть дела.

б. Tensorflow Tutorials:Tensorflow — это самая инфраструктура глубокого обучения для изучения, и на их странице учебных пособий есть потрясающий контент. Вы можете многому научиться из этих руководств и, конечно же, будете возвращаться к этим страницам в будущем.

в. Проекты Github. Это для опытных программистов. Прямо сейчас, если вы ищете глубокое обучение в Github, вы можете найти 42 511 репозиториев, начиная от простых домашних проектов и заканчивая самим всемогущим репозиторием Keras. Если у вас есть уверенность и навыки программирования, просто погрузитесь сюда и просмотрите некоторые популярные репозитории. Посмотрите, что они сделали, попробуйте повторить их, и кто знает, может быть, вы внедрите что-то новое и внесете вклад в сообщество.

Теперь, какой бы метод вы ни выбрали, выходите и начинайте изучать эту прекрасную технологию.

Пожалуйста, поставьте лайк этой статье, если она вам помогла, и подпишитесь на меня, если не хотите пропустить мои новые статьи. Кроме того, не забудьте поделиться в комментариях своими идеями о том, как начать глубокое обучение!