Да, я имею в виду это «Потрясающе!». Глубокое обучение — это самая удивительная, захватывающая и интересная вещь, которой, по моему мнению, должен похвастаться каждый специалист по данным. Когда я начал свое путешествие по науке о данных, я думал, что изучение основ машинного обучения — это все, пока я не услышал о таких вещах, как нейронные сети, НЛП, компьютерное зрение и так далее. Мне так не терпелось узнать, как работает глубокое обучение.
Тем не менее, начало работы может быть лихорадочным и ошеломляющим, поскольку ресурсы разбросаны по всему Интернету, а получение нужных ресурсов может быть затруднено, если у вас нет кого-то, кто уже практикует это, чтобы направлять вас, иначе вы можете потерять много времени, не начав.
Можете себе представить, через что я прошел, чтобы начать. Если вы увлечены глубоким обучением и не знаете, с чего начать, или, может быть, вы начали, но чувствуете, что ничего не понимаете из некоторых случайных видео или ресурсов YouTube. Эта короткая статья предназначена для вас. Позвольте мне поделиться с вами некоторыми фактами и ресурсами, которые вам нужно знать о глубоком обучении, возможно, вы могли бы подумать о принятии решения, о котором вы никогда не пожалеете сегодня.
Глубокое обучение оказалось лучшим методом машинного обучения в различных областях по всему миру, включая такие области, как обработка естественного языка (NLP), компьютерное зрение, медицина, биология, создание/улучшение изображений, рекомендательные системы, игры, робототехника, другие приложения. — финансово-логистическое прогнозирование; текст в речь; гораздо более.
Многие эксперты скажут, что для начала работы с глубоким обучением вам нужно много математики, много данных, много дорогих компьютеров или, может быть, докторская степень. Поверьте мне, любой, независимо от области, может практиковать глубокое обучение. Пока у вас есть подключение к Интернету, вы можете использовать множество онлайн-платформ для запуска программ глубокого обучения на любом компьютере. Обычно используется блокнот Google Collab. Что касается математики, то простой математики средней школы достаточно для любого, чтобы начать. Необходимая базовая линейная алгебра и исчисление могут быть поняты на этом пути.
Если вы уже занимались базовым машинным обучением, подход к глубокому обучению почти такой же. Это, однако, не означает, что глубокое обучение предназначено только для тех, кто раньше занимался машинным обучением, я видел экспертов, которые продвинулись вперед с помощью глубокого обучения за вычетом предшествующего опыта машинного обучения. Критика базового машинного обучения заключается в том, что оно в основном связано с количественными данными, в отличие от большинства задач глубокого обучения.
Проблемы глубокого обучения — это в основном тексты из Интернета, звук, изображения и видео, среди прочего, поэтому всегда необходимо обучать модели, которые могут преобразовывать входные данные в числовые. Это потому, что компьютеры могут понимать только числа.
Все эти приложения объясняют, почему каждому предприятию или учреждению нужен искусственный интеллект во всех системах поддержки, кроме как оставаться в зоне комфорта традиционных подходов к решению проблем и инновациям. Если это мотивировало вас, вы можете проверить следующие ресурсы, которые, я считаю, могут стать очень важным камнем для любого, кто хотел бы отправиться в новое путешествие глубокого обучения.
– [ссылка на глубокое обучение для программистов] (автор Джереми Ховард и Сильвен Гуггер)
– [ссылка на курс MIT по глубокому обучению] (Джереми Ховард и Сильвен Гуггер)
– [Ссылка на курс глубокого обучения Coursera] (автор Эндрю Нг)
