Недавно я закончил специализацию по глубокому обучению на Coursera. Специализация требует от вас пройти серию из пяти курсов. Полагаю, это делает меня чем-то вроде единорога, поскольку я не только закончил один MOOC, но и закончил пять связанных.

Итак, я подумал, что поделюсь своими мыслями. Но я не хочу, чтобы этот пост формально выглядел как Вещь, поэтому думайте об этом как о каких-то неотшлифованных размышлениях о:

  • виды вещей, которые вы изучаете;
  • то, что вы делаете; а также,
  • по цене 49 долларов в месяц, оно того стоит?

Отказ от ответственности

Но сначала: я, вероятно, не являюсь целевой аудиторией данной специализации. Итак, ваш пробег может отличаться. Курс, по-видимому, ориентирован на людей с компьютерным опытом, которые хотят получить отраслевую работу в области «глубокого обучения». Я не такой. Имею докторскую степень. и я постоянный преподаватель на 10 лучших кафедрах CS. Я не получал этот сертификат для продвижения по карьерной лестнице или прорыва в поле. Скорее, я проходил эту серию курсов, удобно упорядоченных по «специализации», чтобы узнать больше о глубоком обучении от человека, который явно знает об этом в Andrew Ng.

"Почему?" вы можете спросить. Во-первых, это кажется полезным, когда можно поговорить и подумать разумно - почти каждый отдел информационных технологий пытается нанять людей, которые занимаются машинным обучением / искусственным интеллектом / глубоким обучением, так что вы действительно не можете избежать разговоров об этом. Во-вторых, потому что сознательная практика. В-третьих, потому что мне тоже нужно 12 000 цитирований в год, потому что я написал что-то о глубоком обучении.

В ЛЮБОМ СЛУЧАЕ.

То, что вы изучаете

Первый курс специализации предлагает базовое поверхностное понимание того, как работают нейронные сети, а также то, как и почему мы делаем их глубокими. Эндрю немного расскажет о том, почему вам следует углубленно учиться, хотя, по-видимому, вы уже хотите этого, потому что проходите курс. Он сравнивает ИИ с электричеством. Эээ…

Я нашел техническое содержание первого курса достаточно глубоким (без каламбура). Эндрю хорошо передает интуицию, лежащую в основе «Глубинного исчисления» - он вникает в достаточно деталей, чтобы заставить вас подумать: «Да, я понимаю. Я могу сделать это. Я не хочу этого делать, но я определенно могу это сделать ».

Второй и третий курсы более мета. Они: расскажут, как эффективно структурировать проекты машинного обучения (например, сколько данных следует поместить в наборы для обучения / разработки / тестирования?); диагностировать проблемы с вашими моделями (например, это проблема смещения? проблема дисперсии? и то, и другое? вам нужно больше данных или другая архитектура?); и научит вас стратегиям, которые вы можете использовать для решения этих проблем (например, какие оптимизаторы использовать и когда, как инициализировать весовые матрицы).

Четвертый и пятый курсы самые крутые: они учат вас сверточным нейронным сетям и рекуррентным нейронным сетям, а также знакомят с передовыми архитектурами таких вещей, как компьютерное зрение, распознавание лиц, субтитры изображений, обработка естественного языка, создание музыки, передача нейронных стилей и т. Д. Вам определенно нужно пройти первый курс, прежде чем делать это, но вы можете… возможно, пропустить курсы два и три. Не рекомендую, но если вы торопитесь, я вам не отец. Делай что хочешь.

В целом, я считаю интеллектуальное содержание курса действительно хорошим сочетанием академических и прикладных знаний. Он рассказывает об идеях и интуиции, лежащих в основе конкретных научных работ, а также рассказывает о практических деталях реализации, таких как векторизация.

Что ты делаешь

Одна из вещей, которые мне понравились в этой специализации, - это то, что это не просто лекции и викторины: были настоящие задания по программированию, по которым вы действительно можете программировать глубокие нейронные сети. Конечно, есть много начальной загрузки - они не только Go Forth и Stochastic Gradient Descent. Скорее, все назначения аннотируются в записных книжках Jupyter с соответствующей теоретической информацией, красиво отформатированной в виде уценки в блоке ячеек прямо над кодом, который вы должны написать.

Кроме того, поскольку есть пять курсов, есть большой прогресс. Назначения начинаются довольно просто - перестановка некоторых векторов и массивов с помощью numpy для реализации одной итерации прямого прохода через один нейрон. К концу курса вы будете использовать фреймворки глубокого обучения более высокого уровня, такие как Keras, для реализации настоящих глубоких нейронных сетей, которые могут распознавать выражения лиц и генерировать (ужасные) шекспировские сонеты.

Стоит ли это 49 долларов в месяц?

Это сложный вопрос, и он зависит от того, чего вы ожидаете от курса. 49 долларов в месяц - это много. Это примерно 5 членств в Netflix или примерно 50 пользователей Netflix. Итак, да, несмотря на мое общее положительное отношение к курсу, я не думаю, что могу однозначно сказать «да».

Во-первых, мое личное мнение:

Мне понравилась специализация, и я думаю, что она того стоила, потому что информация была организована таким образом, чтобы увеличить мою вероятность ее разобраться. Я, вероятно, мог бы выучить все, что я узнал в этом курсе, дешевле, быстрее и эффективнее, просто прочитав огромное количество свободно доступных знаний по этой теме, являющихся общественным достоянием. НО, мне пришлось бы проделать гораздо больше предварительной работы, что потребовало бы времени, что, в свою очередь, вероятно, означает, что я бы никогда этого не сделал, потому что ни у кого нет на это времени.

Пройдя эту специализацию, я знаю то, что знаю, чего не знаю, и примерно, как сделать второе первым, ЕСЛИ Я ХОТЕЛ. Я также могу вести примерно внятный разговор о глубоком обучении с людьми, которые знают о нем больше, чем я (например, все кандидаты на факультеты машинного обучения и искусственного интеллекта), и очень самодовольно судить всех людей, которые знают меньше. Курс также позволил мне примерно быстро понять, что происходит в этой области, и теперь я хорошо понимаю, как я могу применить его в своих собственных исследованиях.

Так что для меня это того стоило.

Но это исходит от кого-то, кому повезло, что у него есть лишние деньги, и кто не стремится пройти курс, который поможет мне выйти в новую область и найти новую работу.

Если вы тот, кто хочет заняться глубоким обучением и получить работу в области искусственного интеллекта в каком-нибудь интересном месте, я полагаю, что 49 долларов в месяц - это относительно дешевый способ добавить в свое резюме что-то, что подсказывает, что вы знаете кое-что о глубоком обучении. По окончании курса вы получаете сертификат, который можете разместить в своем профиле LinkedIn. Я не уверен, что этот сертификат пригодится.

Чтобы получить очень ненаучные эмпирические данные, я добавил сертификат в свой профиль в LinkedIn чуть больше недели назад. Согласно очень приблизительным показателям, предоставленным участникам, не являющимся членами LinkedIn Pro, я заметил небольшое увеличение количества просмотров моего профиля LinkedIn в неделю (очевидно, это на 25% больше, чем на предыдущей неделе). Кроме того, второй по популярности поиск, приводящий людей к моему профилю, связан с «Python + статистика + машинное обучение + наука о данных», а третий по популярности - «Компьютерное зрение». Однако имейте в виду, что я был ранее одобрен для «питона», «машинного обучения» и «науки о данных» в LinkedIn. Но я не занимаюсь компьютерным зрением. Итак, делайте из этого то, что хотите.

Если вы хотите ГЛУБОКО УЗНАТЬ СЕЙЧАС для конкретного проекта, этот курс, вероятно, будет для вас слишком медленным. Существует множество бесплатных онлайн-руководств о том, как использовать высокоуровневые фреймворки глубокого обучения с предварительно обученными весами для многих готовых приложений (таких как распознавание лиц и синтез речи).

Если вы тот, у кого есть немного больше времени, чтобы инвестировать в теоретические основы глубокого обучения, и который хочет стать эффективным ГЛУБОКОУЧИТЕЛЕМ после завершения курса, то ... вы можете быть разочарованы. Помните, что я говорил о том, что задания сильно загружаются? Это помогает сократить время, которое вы тратите на выполнение заданий, но также затрудняет передачу знаний за пределами курса.

Я лично играл с побочным проектом последнюю неделю или около того, и это оказалось намного сложнее, чем я ожидал. Не поймите меня неправильно, многие знания определенно можно передать другим людям. Но мне пришлось прочитать много документации и поискать несколько примеров кода, прежде чем я смог сделать что-нибудь близкое к тому, что делал в курсе. Да, и они отменяют доступ к записным книжкам Jupyter, которые они предоставляют для задания, после завершения курса, поэтому невозможно вернуться назад и заново изучить то, что вы сделали. (Вам, вероятно, следует сохранить эти записные книжки для дальнейшего использования, если вы пройдете курс).

SO: Извините, я не могу ответить, стоит ли оно того. Это не однозначное «да» - это зависит от ваших целей, временных ограничений и предполагаемого дохода. Надеюсь, этот обзор, по крайней мере, даст вам отправную точку, чтобы взвесить все за и против.

Теперь идите вперед и спускайтесь по этим градиентам, как босс.