Dubinsko učenje može pomoći računalima u izvršavanju ljudskih zadataka poput prepoznavanja govora i klasifikacije slika.
Uz duboko učenje - oblik strojnog učenja (umjetna inteligencija) - računala mogu ekstrahirati i transformirati podatke koristeći više slojeva neuronskih mreža.
Mogli biste pomisliti da biste za korištenje tehnika dubokog učenja trebali znati naprednu matematiku ili imati pristup moćnim računalima.
Pa dok ste prošli matematiku u srednjoj školi, znate osnove kodiranja i imate računalo povezano s internetom, možete naučiti raditi duboko učenje svjetske klase.
Objavili smo 15-satni tečaj dubokog učenja na YouTube kanalu freeCodeCamp.org s ciljem da dubinsko učenje učinimo dostupnim što većem broju ljudi.
Tečaj je iz fast.ai, a razvili su ga Jeremy Howard i Sylvain Gugger. Sylvain Gugger je istraživač koji je napisao 10 udžbenika matematike. A Jeremy je zadnjih 30 godina podučavao strojno učenje. Bivši je predsjednik i glavni znanstvenik Kagglea, najveće svjetske zajednice strojnog učenja.
Uz to, tečaj uključuje knjigu kojoj možete besplatno pristupiti putem interneta. Također možete kupiti fizičku kopiju. Knjiga je jedna od najprodavanijih knjiga o dubokom učenju na Amazonu.
Nakon završetka ovog tečaja znat ćete:
- Kako trenirati modele koji postižu vrhunske rezultate u računalnom vidu, obradi prirodnog jezika (NLP), tabličnim podacima i zajedničkom filtriranju
- Kako pretvoriti svoje modele u web aplikacije i primijeniti ih
- Kako funkcioniraju modeli dubokog učenja
- Kako koristiti to znanje za poboljšanje točnosti, brzine i pouzdanosti svojih modela
- Najnovije tehnike dubokog učenja koje su zaista važne u praksi
- Kako implementirati stohastički gradijentni silazak i kompletnu petlju treninga od nule
- Kako razmišljati o etičkim implikacijama vašeg rada i kako umanjiti vjerojatnost da se vaš rad zloupotrijebi radi nanošenja štete
Evo nekoliko tehnika obuhvaćenih ovim tečajem:
- Slučajne šume i pojačavanje gradijenta
- Afine funkcije i nelinearnosti
- Parametri i aktiviranja
- Slučajna inicijalizacija i učenje transfera
- SGD, Momentum, Adam i drugi optimizatori
- Konvolucije
- Normalizacija serije
- Napustiti
- Povećanje podataka
- Propadanje težine
- Klasifikacija i regresija slika
- Ugrađivanje entiteta i riječi
- Ponavljajuće se neuronske mreže (RNN)
- Segmentacija
- I mnogo više
Cijeli tečaj pogledajte na YouTube kanalu freeCodeCamp.org (15-satno gledanje).