Kuidas energia valdkonna spetsialist õppis tehisintellekti ja ülevaade tasuta kursusest „Udacity: Sissejuhatus TensorFlow'sse süvaõppimise jaoks“

Olen kogu oma teadliku elu olnud energiatehnika spetsialist (ei, ma ei räägi hetkel kahtlaste omadustega joogist).

Ma pole kunagi eriti huvitatud olnud infotehnoloogia maailmast, ja isegi maatrikseid ei oskaks ma lehel ilmselt kokku korrutada. Ja seda polnud mul ka kunagi vaja, et mõista oma töö spetsiifikat, võin jagada ühte suurepärast lugu. Kord palusin oma kolleegidel teha Excelis tööd – tabelit, ja pool päeva oli möödas, lähen nende juurde, kuid nad istuvad ja summeerivad andmeid kalkulaatoriga, jah, jah, tavalise musta kalkulaatoriga, kus on nupud. Nii et millest me räägime, kui räägime tehisnärvivõrkudest?.. Seetõttu polnud mul kunagi mingeid erilisi eelduseid IT maailmasse sukeldumiseks. Aga nagu öeldakse: „hästi on seal, kus meid pole“, mu sõbrad on rääkinud mulle kõikidest lisanduvast reaalsusest, tehisnärvivõrkudest, programmeerimiskeeltest (peamiselt Pythonist).

Sõnades nägi see välja üsna lihtne ja ma mõtlesin, miks mitte omandada see maagiline oskus, et seda oma valdkonnas rakendada.

Selles artiklis jätan kõrvale oma katsed õppida Pythonit ja jagan teiega oma muljeid Udacity tasuta TensorFlow kursusest.

Sissejuhatus

Esiteks tasub märkida, et pärast 11 aastat energiatööstuses, kus sa tead ja oskad kõike ning isegi veidi enam (oma ülesannete raames), on uute asjade õppimine ühel poolt plahvatusohtlikult entusiastlik, kuid teiselt poolt muutub see füüsiliseks valuks, nagu „hammasrataste” keeramine peas.

Ma ei mõista endiselt kõiki programmeerimise ja masinõppe põhikontseptsioone, seega ei tasu mind rangelt hinnata. Loodan, et minu artikkel on huvitav ja kasulik ka teistele selle valdkonna inimesed — neile, kes on tarkvaraarendusest kaugel.

Enne kursuse ülevaate juurde minekut, ütlen, et selle uurimiseks on vajalik vähemalt minimaalne Python'i teadlikkus. Võib lugeda paar algaja raamatut (ma hakkasin ka Stepicis kursust läbima, kuid ei ole seda veel täielikult lõpetanud).

TensorFlowi kursis ei ole keerulisi konstruktsioone, kuid on vajalik mõista, miks raamatukogusid imporditakse, kuidas funktsioon määratakse ja miks sinna midagi sisestatakse.

Miks TensorFlow ja Udacity?

Minu õppimise peamiseks eesmärgiks on soov tuvastada elektripaigaldiste elementide fotosid närvivõrkude abil.

Valisin TensorFlow, kuna olin sellest kuulnud oma sõpradelt. Ja nagu ma aru sain, on see kursus piisavalt populaarne.

Proovisin alustada õppimist ametlikust õpetusest .

Ja silmitsi seisma kahe probleemiga.

• Õppematerjale on palju ja need on segamini. Oli väga raske kokku panna vähemalt kuidagi terviklik ülevaade piltide tuvastamise probleemide lahendamisest.
• Enamik vajalikke artikleid ei ole vene keelde tõlgitud. Nii on juhtunud, et lapsepõlves õppisin saksa keelt ja nüüd, nagu paljud nõukogude lapsed, ei oska ma ei saksa ega inglise keelt. Muidugi olen ma kogu oma teadlikku elu püüdnud inglise keelt selgeks saada, kuid see pole välja tulnud just kõige paremini.

Uurides ametlikul kodulehelt, leidsin soovitused läbida üks kahest veebikursusest.

Kuidas ma aru sain, oli Courcera kursus tasuline, aga kursust Udacity: Sissejuhatus TensorFlow'isse süvaõppes võis läbida «tasuta, ehk kingitusena».

Kursuse sisu

Kursus koosneb 9 tunnist.

Esimene sektsioon on sissejuhatav, seal räägitakse, milleks see kursus üldse vajalik on.

Tund № 2 osutus minu lemmikuks. See oli piisavalt lihtne, et seda mõista, ning demonstreeris teaduse imesid. Lühiülevaates, lisaks põhiteadmistele närvivõrkude kohta, näitavad loojad, kuidas ühekihilise närvivõrgu abil lahendada ülesanne, mis muundab temperatuuri Fahrenheiti kraadidest Celsiuse kraadidesse.

See on tõeliselt kõnekas näide. Siiani mõtlen, kuidas sarnast ülesannet välja mõelda ja lahendada, aga ainult elektri puhul.

Kahjuks takerdusin edasi, kuna keeruliste asjade õppimine tundmatus keeles on üsna raske. Mind päästis see, et leidsin Habralt selle kursuse vene keelde tõlke.

Tõlge on hästi tehtud, ka Colabi plokid on tõlgitud, seega vaatasin edasi nii originaali kui tõlget.

Tund 3 on sisuliselt ümberkirjutus TensorFlow ametlikest juhendmaterjalidest. Selles tunnis õpime mitmekihilise närvivõrgu abil klassifitseerima riideesemete pilte (andmekogum Fashion MNIST).

Tunnid 4 kuni 7 on samuti juhendmaterjalide ümberkirjutused. Kuid kuna need on hästi struktureeritud, ei ole vaja iseseisvalt järjekorrast aru saada. Nendes tundides räägitakse lühidalt kõrgtäpsetest närvivõrkudest, õppimise täpsuse tõstmisest ja mudeli salvestamisest. Samuti lahendame samal ajal kasside ja koerte pildiklassifitseerimise ülesannet.

Tund 8 on hoopis eraldi kursus, seda viib läbi teine õpetaja, ja kursus on piisavalt mahukas. Tund on pühendatud ajaloolistele andmestikele. Kuna see mind hetkel ei huvita, vaatasin selle üle kergelt.

Kursuse lõpetab tund 9, mis kutsub üles osalema tasuta kursusel TensorFlow Lite.

Mis meeldis ja ei meeldinud

Alustan plussidest:

• Kursus on tasuta
• Kursus — TensorFlow 2 kohta. Mõned õpikud, mida olen näinud ja mõned kursused internetis olid TensorFlow 1 kohta. Ei tea, kui suur on erinevus, kuid on tore õppida praegust versiooni.
• Videodes olevad õpetajad ei häiri (kuigi vene versioonis loetakse vähem energiliselt kui originaalis).
• Kursus ei võta palju aega.
• Kursus ei tekita kurbust ja lootusetust. Kursuse ülesanded on lihtsad ja alati on olemas vihje Colab'i näol koos õige lahendusega, kui midagi ei ole selge (ja mulle oli üsna palju ülesandeid arusaamatud).
• Ei pea midagi installima, kõik kursuse laboritööd saab teha veebibrauseris.

Nüüd puudused:

• Peaaegu puuduvad kontrollmaterjalid. Ei teste, ei ülesandeid, mitte midagi, et kuidagi kursuse omandamist kontrollida.
• Mitte kõik mu notepad'id ei töötanud nagu vaja. Arvan, et originaalkursuse kolmandas õppes andis Colab vea ja ma ei teadnud, mida selle probleemiga teha.
• Mugav vaadata ainult arvutis. Võib-olla ma ei ole täielikult aru saanud, aga ma ei leidnud oma nutitelefonile Udacity rakendust. Ja mobiilsait ei ole kohandatav, see tähendab, et navigeerimismenüü võtab peaaegu kogu ekraani ala, kuid põhisisu nägemiseks tuleb paremale kerida. Samuti ei saa videot telefonis vaadata. Kuue tolli ekraanil ei saa midagi täpselt eristada.
• Mõned asjad kursuses selgitatakse mitu korda, kuid tegelikult vajalikud punktid konvolutsiooniliste võrkude kohta ei ole hästi selgitatud. Ma ei saanud lõpuks aru, mis on harjutuste globaalne eesmärk (näiteks miks on vaja Max Poolingut).

Kokkuvõte

Kindlasti olete juba arvanud, et imet ei juhtunud. Pärast selle lühikese kursuse läbimist ei ole tõeliselt võimalik aru saada, kuidas neuronvõrgud töötavad.

Loomulikult ei suutnud ma pärast seda iseseisvalt lahendada oma ülesannet klassifitseerida fotod lülititest ja nuppudest jaotusseadmetes.

Aga üldiselt on kursus kasulik. See näitab, milliseid asju saab teha TensorFlow abil ja millises suunas edasi liikuda.

Ma arvan, et enne peaksin õppima põhitõdesid Pythonis ja lugema vene keeles raamatuid selle kohta, kuidas närvivõrgud töötavad, ning seejärel juba TensorFlow'ga tegelema.

Lõpetuseks tahan tänada oma sõpru, kes julgustasid mind kirjutama esimest artiklit «Habr'isse» ja aitasid selle vormistamisel.

P.S. Ootan Teie kommentaare ja igasugust konstruktiivset kriitikat.

Allikas: habr.com