Βυθιστείτε στη βαθιά μάθηση με αυτό το δωρεάν 15ωρο YouTube Course

Η βαθιά εκμάθηση μπορεί να βοηθήσει τους υπολογιστές να εκτελούν ανθρώπινες εργασίες όπως αναγνώριση ομιλίας και ταξινόμηση εικόνας.

Με τη Βαθιά Εκμάθηση - μια μορφή Μηχανικής Μάθησης (Τεχνητή Νοημοσύνη) - οι υπολογιστές μπορούν να εξαγάγουν και να μετατρέψουν δεδομένα χρησιμοποιώντας πολλαπλά επίπεδα νευρωνικών δικτύων.

Ίσως πιστεύετε ότι για να χρησιμοποιήσετε τεχνικές Deep Learning, θα πρέπει να γνωρίζετε προηγμένα μαθηματικά ή να έχετε πρόσβαση σε ισχυρούς υπολογιστές.

Εφόσον έχετε περάσει μαθηματικά γυμνασίου, γνωρίζετε τα βασικά της κωδικοποίησης και έχετε έναν υπολογιστή που είναι συνδεδεμένος στο Διαδίκτυο, μπορείτε να μάθετε να κάνετε βαθιά μάθηση παγκόσμιας κλάσης.

Δημοσιεύσαμε ένα μάθημα Deep Learning διάρκειας 15 ωρών στο κανάλι YouTube του freeCodeCamp.org με στόχο να κάνουμε τη Deep Learning προσβάσιμη σε όσο το δυνατόν περισσότερα άτομα.

Το μάθημα είναι από το fast.ai και αναπτύχθηκε από τους Jeremy Howard και Sylvain Gugger. Ο Sylvain Gugger είναι ερευνητής που έχει γράψει 10 βιβλία μαθηματικών. Και ο Τζέρεμι έχει διδάξει μηχανική μάθηση τα τελευταία 30 χρόνια. Είναι ο πρώην πρόεδρος και επικεφαλής επιστήμονας του Kaggle, της μεγαλύτερης κοινότητας μηχανικής μάθησης στον κόσμο.

Επιπλέον, το μάθημα περιλαμβάνει ένα βιβλίο στο οποίο μπορείτε να έχετε δωρεάν πρόσβαση στο διαδίκτυο. Μπορείτε επίσης να αγοράσετε ένα φυσικό αντίγραφο. Το βιβλίο είναι ένα από τα κορυφαία βιβλία Deep Learning στο Amazon.

Αφού ολοκληρώσετε αυτό το μάθημα, θα ξέρετε:

  • Πώς να εκπαιδεύσετε μοντέλα που επιτυγχάνουν state-of-the-art αποτελέσματα στην όραση του υπολογιστή, την επεξεργασία φυσικής γλώσσας (NLP), τα δεδομένα πίνακα και το συλλογικό φιλτράρισμα
  • Πώς να μετατρέψετε τα μοντέλα σας σε εφαρμογές ιστού και να τα αναπτύξετε
  • Πώς λειτουργούν τα μοντέλα Deep Learning
  • Πώς να χρησιμοποιήσετε αυτήν τη γνώση για να βελτιώσετε την ακρίβεια, την ταχύτητα και την αξιοπιστία των μοντέλων σας
  • Οι τελευταίες τεχνικές βαθιάς μάθησης που έχουν σημασία στην πράξη
  • Πώς να εφαρμόσετε στοχαστική κατάβαση κλίσης και έναν πλήρη βρόχο προπόνησης από το μηδέν
  • Πώς να σκεφτείτε τις ηθικές επιπτώσεις της εργασίας σας και πώς να ελαχιστοποιήσετε την πιθανότητα κατάχρησης της εργασίας σας για βλάβη

Ακολουθούν μερικές από τις τεχνικές που καλύπτονται σε αυτό το μάθημα:

  • Τυχαία δάση και ενίσχυση της κλίσης
  • Συνάφεια συναρτήσεις και μη γραμμικότητες
  • Παράμετροι και ενεργοποιήσεις
  • Τυχαία εκκίνηση και μάθηση μεταφοράς
  • SGD, Momentum, Adam και άλλοι βελτιστοποιητές
  • Συνελεύσεις
  • Ομαλοποίηση παρτίδας
  • Εγκατάλειψη
  • Αύξηση δεδομένων
  • Μείωση βάρους
  • Ταξινόμηση και παλινδρόμηση εικόνας
  • Ενσωματώσεις οντοτήτων και λέξεων
  • Επαναλαμβανόμενα νευρωνικά δίκτυα (RNN)
  • Κατάτμηση
  • Και πολλα ΑΚΟΜΑ

Παρακολουθήστε το πλήρες μάθημα στο κανάλι YouTube του FreeCodeCamp.org (ρολόι 15 ωρών).