Kepiye insinyur energi sinau jaringan saraf lan review kursus gratis "Udacity: Intro to TensorFlow for Deep Learning"

Kabeh umur diwasa, aku wis dadi minuman energi (ora, saiki kita ora ngomong babagan omben-omben kanthi sifat sing diragukan).

Aku wis tau utamané kasengsem ing donya teknologi informasi, lan aku meh ora bisa Multiply matriks ing Piece saka kertas. Lan aku ora nate butuh iki, supaya sampeyan ngerti sethithik babagan spesifik karyaku, aku bisa nuduhake crita sing apik banget. Aku tau takon kolega kanggo nindakake karya ing spreadsheet Excel, setengah dina kerja wis liwati, aku munggah menyang wong-wong mau, lan padha lungguh lan nyimpulake data ing kalkulator, ya, ing kalkulator ireng biasa karo tombol. Inggih, apa jenis jaringan syaraf bisa kita ngomong bab sawise iki?.. Mulane, aku ora tau duwe prasyarat khusus kanggo nyemplungaken dhewe ing donya IT. Nanging, kaya sing diomongake, "luwih becik yen ora ana," kanca-kancaku nggumunake kuping babagan kasunyatan sing ditambah, babagan jaringan saraf, babagan basa pamrograman (utamane babagan Python).

Ing tembung, katon banget prasaja, lan aku mutusake kenapa ora nguwasani seni gaib iki supaya bisa digunakake ing lapangan kegiatanku.

Ing artikel iki, aku bakal ngilangi upaya kanggo nguasai dhasar Python lan nuduhake karo sampeyan kesan babagan kursus TensorFlow gratis saka Udacity.

Pambuka

Kanggo miwiti, kudu dicathet yen sawise 11 taun ing industri energi, nalika sampeyan ngerti lan bisa nindakake kabeh lan malah luwih sithik (miturut tanggung jawab sampeyan), sinau babagan sing anyar kanthi radikal - ing tangan siji, nyebabake semangat gedhe. nanging ing sisih liyane - dadi nyeri fisik "gilir ing sirahku."

Aku isih durung ngerti kabeh konsep dhasar saka program lan machine learning, supaya sampeyan ora kudu ngadili kula banget atos. Muga-muga artikelku bakal menarik lan migunani kanggo wong-wong kaya aku sing adoh saka pangembangan piranti lunak.

Sadurunge pindhah menyang ringkesan kursus, aku bakal ujar manawa kanggo sinau sampeyan butuh kawruh paling sethithik babagan Python. Sampeyan bisa maca sawetara buku kanggo dummies (Aku uga wis miwiti njupuk kursus ing Stepic, nanging durung nguwasani rampung).

Kursus TensorFlow dhewe ora bakal ngemot konstruksi rumit, nanging kudu ngerti kenapa perpustakaan diimpor, kepiye fungsi ditetepake, lan kenapa ana sing diganti.

Napa TensorFlow lan Udacity?

Tujuan utama latihanku yaiku kepinginan kanggo ngenali foto elemen instalasi listrik nggunakake jaringan saraf.

Aku milih TensorFlow amarga aku krungu bab iku saka kanca-kanca. Lan aku ngerti, kursus iki cukup populer.

Aku nyoba miwiti sinau saka pejabat tutorial .

Banjur aku nemoni rong masalah.

• Ana akeh bahan pendidikan, lan ana macem-macem jinis. Pancen angel banget kanggo aku nggawe paling ora gambar sing luwih lengkap babagan ngrampungake masalah pangenalan gambar.
• Umume artikel sing dibutuhake durung diterjemahake menyang basa Rusia. Kedaden yen aku sinau basa Jerman nalika isih cilik lan saiki, kaya bocah-bocah Soviet, aku ora ngerti basa Jerman utawa Inggris. Mesthine, sajrone umur diwasa, aku nyoba nguwasani basa Inggris, nanging ternyata kaya ing gambar kasebut.

Sawise ngeduk ing situs web resmi, aku nemokake rekomendasi sing kudu ditindakake siji saka rong kursus online.

Nalika aku ngerti, kursus ing Coursera dibayar, lan kursus kasebut Udacity: Pambuka kanggo TensorFlow kanggo Deep Learning iku bisa kanggo pass "gratis, sing, kanggo apa-apa."

Isi kursus

Kursus kasebut kalebu 9 pelajaran.

Bagean pisanan minangka pambuka, ing ngendi dheweke bakal ngandhani apa sebabe dibutuhake.

Pelajaran #2 dadi favoritku. Iku cukup prasaja kanggo mangerteni lan uga nuduhake keajaiban ilmu pengetahuan. Ing ringkesan, ing pawulangan iki, saliyane kanggo informasi dhasar babagan jaringan saraf, pangripta nduduhake carane nggunakake jaringan saraf siji-lapisan kanggo ngatasi masalah ngowahi suhu saka Fahrenheit dadi Celsius.

Iki pancen conto sing jelas banget. Aku isih lungguh ing kene mikir babagan carane nggawe lan ngatasi masalah sing padha, nanging mung kanggo tukang listrik.

Sayange, aku mandheg maneh, amarga sinau babagan sing ora dingerteni ing basa sing ora dingerteni pancen angel. Sing nylametake aku yaiku sing ditemokake ing Habré terjemahan kursus iki menyang basa Rusia.

Terjemahan kasebut ditindakake kanthi kualitas dhuwur, notebook Colab uga diterjemahake, mula aku banjur ndeleng sing asli lan terjemahan.

Pawulangan No.. 3, nyatane, adaptasi saka materi saka tutorial TensorFlow resmi. Ing tutorial iki, kita nggunakake jaringan syaraf multilayer kanggo sinau carane klasifikasi gambar sandhangan (Fashion MNIST dataset).

Pawulangan No.. 4 kanggo No.. 7 uga adaptasi saka tutorial. Nanging amarga kasunyatane yen disusun kanthi bener, mula ora perlu ngerti urutan sinau dhewe. Ing pawulangan iki, kita bakal ngandhani babagan jaringan saraf ultra-tepat, carane nambah akurasi latihan lan nyimpen model kasebut. Ing wektu sing padha, kita bakal ngrampungake masalah klasifikasi kucing lan asu ing gambar kasebut.

Pelajaran No.. 8 minangka kursus sing kapisah, ana guru sing beda, lan kursus kasebut dhewe cukup ekstensif. Pawulangan babagan time series. Amarga aku durung kasengsem ing, aku mindhai iku diagonal.

Iki rampung karo pelajaran #9, yaiku undhangan kanggo njupuk kursus gratis ing TensorFlow lite.

Apa sing disenengi lan ora disenengi

Aku bakal miwiti karo pro:

• Kursus gratis
• Kursus kasebut ana ing TensorFlow 2. Sawetara buku teks sing dakdeleng lan sawetara kursus ing Internet ana ing TensorFlow 1. Aku ora ngerti yen ana prabédan gedhe, nanging luwih becik sinau versi saiki.
• Guru ing video kasebut ora ngganggu (sanajan ing versi Rusia ora maca kanthi nyenengake kaya asline)
• Kursus ora njupuk akeh wektu
• Kursus kasebut ora nggawe sampeyan sedhih utawa ora duwe pengarep-arep. Tugas ing kursus kasebut gampang lan mesthi ana pitunjuk ing bentuk Colab kanthi solusi sing bener yen ana sing ora jelas (lan setengah saka tugas sing ora jelas kanggo aku)
• Ora perlu nginstal apa-apa, kabeh karya laboratorium mesthi bisa ditindakake ing browser

Saiki cons:

• Sacoro prakteke ora ana bahan kontrol. Ora ana tes, ora ana tugas, ora ana apa-apa kanggo mriksa penguasaan kursus kasebut
• Ora kabeh notepadku bisa digunakake kaya sing dikarepake. Aku mikir ing wulangan katelu kursus asli ing Inggris Colab mbuwang kesalahan lan aku ora ngerti apa sing kudu ditindakake
• Trep kanggo nonton mung ing komputer. Mungkin aku ora ngerti kanthi lengkap, nanging aku ora bisa nemokake aplikasi Udacity ing smartphoneku. Lan versi seluler situs kasebut ora responsif, yaiku, meh kabeh area layar dikuwasani dening menu navigasi, nanging kanggo ndeleng konten utama sampeyan kudu nggulung menyang sisih tengen ngluwihi area tampilan. Uga, video ora bisa dideleng ing telpon. Sampeyan ora bisa ndeleng apa-apa ing layar sing ukurane mung luwih saka 6 inci.
• Sawetara perkara ing kursus kasebut dikunyah kaping pirang-pirang, nanging ing wektu sing padha, prekara-prekara sing dibutuhake ing jaringan convolutional dhewe ora dikunyah ing kursus kasebut. Aku isih durung ngerti tujuan sakabèhé saka sawetara latihan (contone, apa Max Pooling).

Ringkesan

Mesthine sampeyan wis ngira yen mukjizat ora kedadeyan. Lan sawise ngrampungake kursus singkat iki, ora mungkin ngerti cara kerja jaringan saraf.

Mesthi, sawise iki, aku ora bisa ngatasi masalahku dhewe kanthi klasifikasi foto switch lan tombol ing switchgears.

Nanging umume kursus kasebut migunani. Iki nuduhake apa sing bisa ditindakake karo TensorFlow lan arah sing bakal ditindakake sabanjure.

Aku luwih dhisik kudu sinau dhasar Python lan maca buku ing basa Rusia babagan cara kerja jaringan saraf, banjur njupuk TensorFlow.

Pungkasane, aku arep ngucapake matur nuwun marang kanca-kanca sing wis nyurung aku nulis artikel pisanan babagan Habr lan mbantu aku ngowahi format kasebut.

PS Aku bakal seneng ndeleng komentar lan kritik sing mbangun.

Source: www.habr.com