როგორ სწავლობდა ენერგეტიკის ინჟინერი ნერვულ ქსელებს და უფასო კურსის მიმოხილვას "Udacity: შესავალი TensorFlow ღრმა სწავლისთვის"

მთელი ჩემი ზრდასრული ცხოვრება ენერგეტიკული სასმელი ვიყავი (არა, ახლა საეჭვო თვისებების მქონე სასმელზე არ არის საუბარი).

არასდროს ვყოფილვარ განსაკუთრებით დაინტერესებული ინფორმაციული ტექნოლოგიების სამყაროთი და მატრიცების გამრავლებაც კი არ შემიძლია ფურცელზე. და ეს არასდროს მჭირდებოდა, რომ ცოტა გაიგოთ ჩემი მუშაობის სპეციფიკის შესახებ, შემიძლია გაგიზიაროთ შესანიშნავი ამბავი. ერთხელ ჩემს კოლეგებს ვთხოვე სამუშაოს შესრულება Excel-ის ცხრილებში, სამუშაო დღის ნახევარი გავიდა, მივედი მათთან, ისხდნენ და აჯამებდნენ მონაცემებს კალკულატორზე, დიახ, ჩვეულებრივ შავ კალკულატორზე ღილაკებით. აბა, რა სახის ნერვულ ქსელებზე შეიძლება ვისაუბროთ ამის შემდეგ?.. ამიტომ, IT სამყაროში ჩაძირვის განსაკუთრებული წინაპირობები არასდროს მქონია. მაგრამ, როგორც ამბობენ, "კარგია იქ, სადაც არ ვართ", ჩემმა მეგობრებმა ყურმილი მიცურეს გაფართოებულ რეალობაზე, ნერვულ ქსელებზე, პროგრამირების ენებზე (ძირითადად პითონის შესახებ).

სიტყვებით, ძალიან მარტივი ჩანდა და გადავწყვიტე, რატომ არ დაეუფლო ამ ჯადოსნურ ხელოვნებას, რომ გამომეყენებინა იგი ჩემს საქმიანობაში.

ამ სტატიაში გამოვტოვებ Python-ის საფუძვლების დაუფლების მცდელობებს და გაგიზიარებთ Udacity-ის უფასო TensorFlow კურსის შთაბეჭდილებებს.

შესავალი

დასაწყისისთვის, აღსანიშნავია, რომ ენერგეტიკის ინდუსტრიაში 11 წლის შემდეგ, როცა იცი და შეგიძლია ყველაფერი და კიდევ ცოტა მეტი (შენი პასუხისმგებლობის მიხედვით), რადიკალურად ახალი საგნების სწავლა - ერთი მხრივ, დიდ ენთუზიაზმს იწვევს. მაგრამ მეორეს მხრივ - გადაიქცევა ფიზიკურ ტკივილში " გადაცემათა ჩემს თავში."

მე ჯერ კიდევ ბოლომდე არ მესმის პროგრამირებისა და მანქანათმცოდნეობის ყველა ძირითადი ცნება, ასე რომ არ უნდა განსაჯო ძალიან მკაცრად. ვიმედოვნებ, რომ ჩემი სტატია საინტერესო და სასარგებლო იქნება ჩემნაირი ადამიანებისთვის, რომლებიც შორს არიან პროგრამული უზრუნველყოფის შემუშავებისგან.

სანამ კურსის მიმოხილვაზე გადავიდოდე, გეტყვით, რომ მის შესასწავლად დაგჭირდებათ მინიმუმ მინიმალური ცოდნა პითონის შესახებ. თქვენ შეგიძლიათ წაიკითხოთ ორიოდე წიგნი დუიმებისთვის (მეც დავიწყე სტეპიკის კურსის გავლა, მაგრამ ჯერ ბოლომდე არ ავითვისე).

თავად TensorFlow კურსი არ შეიცავს რთულ კონსტრუქციებს, მაგრამ საჭირო იქნება იმის გაგება, თუ რატომ არის იმპორტირებული ბიბლიოთეკები, როგორ არის განსაზღვრული ფუნქცია და რატომ არის ჩანაცვლებული მასში რაღაც.

რატომ TensorFlow და Udacity?

ჩემი ტრენინგის მთავარი მიზანი იყო ელექტრული სამონტაჟო ელემენტების ფოტოების ამოცნობის სურვილი ნერვული ქსელების გამოყენებით.

მე ავირჩიე TensorFlow, რადგან ამის შესახებ ჩემი მეგობრებისგან გავიგე. და როგორც მივხვდი, ეს კურსი საკმაოდ პოპულარულია.

ვცდილობდი ოფიციალური პირისგან დამეწყო სწავლა სახელმძღვანელო .

შემდეგ კი ორ პრობლემას წავაწყდი.

• უამრავი სასწავლო მასალაა და ისინი სხვადასხვა ჯიშებში მოდის. ძალიან გამიჭირდა სურათის ამოცნობის პრობლემის გადაჭრის ასე თუ ისე სრული სურათის შექმნა.
• სტატიების უმეტესობა, რაც მე მჭირდება, რუსულად არ არის ნათარგმნი. ისე მოხდა, რომ გერმანული ბავშვობაში ვისწავლე და ახლა, როგორც ბევრი საბჭოთა ბავშვი, არც გერმანული ვიცი და არც ინგლისური. რა თქმა უნდა, მთელი ჩემი ზრდასრული ცხოვრების განმავლობაში ვცდილობდი ინგლისური ენის დაუფლებას, მაგრამ ისეთი გამოვიდა, როგორც სურათზე.

ოფიციალურ ვებსაიტზე გათხრების შემდეგ ვიპოვე რეკომენდაციები გასავლელად ორი ონლაინ კურსიდან ერთ-ერთი.

როგორც მივხვდი, კურსი Coursera-ზე ფასიანი იყო და კურსი Udacity: შესავალი TensorFlow ღრმა სწავლისთვის შესაძლებელი იყო "უფასო, ანუ არაფრის" გავლა.

კურსის შინაარსი

კურსი შედგება 9 გაკვეთილისგან.

პირველივე განყოფილება შესავალია, სადაც ისინი გეტყვიან, რატომ არის საჭირო პრინციპში.

გაკვეთილი #2 აღმოჩნდა ჩემი ფავორიტი. ეს იყო საკმაოდ მარტივი გასაგებად და ასევე აჩვენა მეცნიერების საოცრებები. მოკლედ, ამ გაკვეთილზე, ნერვული ქსელების შესახებ ძირითადი ინფორმაციის გარდა, შემქმნელები აჩვენებენ, თუ როგორ გამოვიყენოთ ერთი ფენის ნერვული ქსელი ტემპერატურის ფარენჰეიტიდან ცელსიუსზე გადაყვანის პრობლემის გადასაჭრელად.

ეს მართლაც ძალიან ნათელი მაგალითია. მე ჯერ კიდევ აქ ვზივარ და ვფიქრობ, როგორ მოვიფიქრო და მოვაგვარო მსგავსი პრობლემა, მაგრამ მხოლოდ ელექტრიკოსებისთვის.

სამწუხაროდ, კიდევ უფრო გავჩერდი, რადგან გაუგებარი საგნების სწავლა უცნობ ენაზე საკმაოდ რთულია. რა გადამარჩინა ის იყო, რაც ჰაბრეზე ვიპოვე ამ კურსის თარგმნა რუსულ ენაზე.

თარგმანი შესრულდა მაღალი ხარისხით, თარგმნილი იყო კოლაბის რვეულებიც, ამიტომ შემდეგ გადავხედე ორიგინალსაც და თარგმანსაც.

გაკვეთილი No3, ფაქტობრივად, არის მასალების ადაპტაცია ოფიციალური TensorFlow გაკვეთილიდან. ამ სახელმძღვანელოში, ჩვენ ვიყენებთ მრავალშრიანი ნერვული ქსელის გასაგებად, თუ როგორ დავახარისხოთ ტანსაცმლის სურათები (Fashion MNIST მონაცემთა ნაკრები).

მე-4-დან 7-მდე გაკვეთილები ასევე არის სახელმძღვანელოს ადაპტაცია. მაგრამ იმის გამო, რომ ისინი სწორად არის მოწყობილი, არ არის საჭირო საკუთარი თავის შესწავლის თანმიმდევრობის გაგება. ამ გაკვეთილებზე მოკლედ მოგვითხრობენ ულტრა ზუსტი ნერვული ქსელების შესახებ, როგორ გავზარდოთ ვარჯიშის სიზუსტე და შეინახოთ მოდელი. ამავდროულად, ჩვენ ერთდროულად მოვაგვარებთ გამოსახულებაში კატებისა და ძაღლების კლასიფიკაციის პრობლემას.

გაკვეთილი No8 არის სრულიად ცალკე კურსი, არის სხვა მასწავლებელი და თავად კურსი საკმაოდ ვრცელია. გაკვეთილი ეხება დროის სერიებს. რადგან ჯერ არ მაინტერესებს, დიაგონალზე დავასკანე.

ეს მთავრდება #9 გაკვეთილით, რომელიც არის მოწვევა TensorFlow lite-ის უფასო კურსის გასავლელად.

რაც მოგეწონა და რაც არ მოგეწონა

დავიწყებ დადებითით:

• კურსი უფასოა
• კურსი არის TensorFlow 2-ზე. ზოგიერთი სახელმძღვანელო, რომელიც ვნახე და ზოგიერთი კურსი ინტერნეტში იყო TensorFlow 1-ზე. არ ვიცი, არის თუ არა დიდი განსხვავება, მაგრამ სასიამოვნოა მიმდინარე ვერსიის სწავლა.
• ვიდეოში მასწავლებლები არ მაღიზიანებენ (თუმცა რუსულ ვერსიაში ისინი არ კითხულობენ ისე ხალისიანად, როგორც ორიგინალში)
• კურსს დიდი დრო არ სჭირდება
• კურსი არ გაგრძნობინებთ სევდიანს ან უიმედობას. კურსში ამოცანები მარტივია და ყოველთვის არის მინიშნება Colab-ის სახით სწორი გადაწყვეტით, თუ რაღაც არ არის გასაგები (და დავალებების კარგი ნახევარი ჩემთვის გაუგებარი იყო)
• არაფრის დაყენება არ არის საჭირო, კურსის ყველა ლაბორატორიული სამუშაო შეიძლება შესრულდეს ბრაუზერში

ახლა უარყოფითი მხარეები:

• პრაქტიკულად არ არსებობს საკონტროლო მასალები. არც ტესტები, არც დავალებები, არც არაფერი, რომ როგორმე შევამოწმოთ კურსის ოსტატობა
• ყველა ჩემი ბლოკნოტი ისე არ მუშაობდა, როგორც უნდა. მგონი, ინგლისური Colab-ის ორიგინალური კურსის მესამე გაკვეთილზე შეცდომა იყო და არ ვიცოდი რა გამეკეთებინა
• მოსახერხებელი ყურება მხოლოდ კომპიუტერზე. შეიძლება ბოლომდე ვერ გავიგე, მაგრამ Udacity აპი ჩემს სმარტფონზე ვერ ვიპოვე. და საიტის მობილური ვერსია არ არის პასუხისმგებელი, ანუ თითქმის მთელი ეკრანის არე უკავია ნავიგაციის მენიუს, მაგრამ ძირითადი შინაარსის სანახავად საჭიროა მარჯვნივ გადახვიდეთ სანახავი ზონის მიღმა. ასევე, ვიდეოს ტელეფონზე ყურება შეუძლებელია. 6 ინჩზე მეტი ზომის ეკრანზე ვერაფერს ნამდვილად ვერ დაინახავთ.
• კურსში ზოგიერთი რამ რამდენჯერმე ღეჭა, მაგრამ ამავე დროს, თავად კონვოლუციურ ქსელებზე ნამდვილად საჭირო ნივთები არ იღეჭვება კურსში. მე მაინც ვერ გავიგე ზოგიერთი ვარჯიშის საერთო მიზანი (მაგალითად, რისთვის არის მაქს პულინგი).

რეზიუმე

რა თქმა უნდა, თქვენ უკვე მიხვდით, რომ სასწაული არ მომხდარა. და ამ მოკლე კურსის დასრულების შემდეგ შეუძლებელია იმის გაგება, თუ როგორ მუშაობს ნერვული ქსელები.

რა თქმა უნდა, ამის შემდეგ მე ვერ მოვახერხე ჩემი პრობლემის გადაჭრა გადამრთველების გადამრთველების და ღილაკების ფოტოების კლასიფიკაციით.

მაგრამ ზოგადად კურსი სასარგებლოა. ის გვიჩვენებს, თუ რა შეიძლება გაკეთდეს TensorFlow-ით და რა მიმართულება მივიღოთ შემდეგში.

ვფიქრობ, ჯერ უნდა ვისწავლო პითონის საფუძვლები და წავიკითხო წიგნები რუსულად იმის შესახებ, თუ როგორ მუშაობს ნერვული ქსელები, შემდეგ კი TensorFlow-ს მივმართო.

დასასრულს, მინდა მადლობა გადავუხადო ჩემს მეგობრებს, რომ მიბიძგეს დამეწერა პირველი სტატია Habr-ზე და დამეხმარნენ მის ფორმატში.

პ.ს სიამოვნებით ვნახავ თქვენს კომენტარს და ნებისმიერ კონსტრუქციულ კრიტიკას.

წყარო: www.habr.com