All mäi erwuessent Liewen war ech en Energie drénken (nee, elo schwätze mer net vun engem Getränk mat zweifelhaften Eegeschaften).
Ech war nach ni besonnesch an der Welt vun der Informatiounstechnologie interesséiert, an ech ka kaum emol Matrizen op engem Stéck Pabeier multiplizéieren. An ech hunn dat ni gebraucht, fir datt Dir e bëssen iwwer d'Spezifizitéite vu menger Aarbecht versteet, kann ech eng wonnerbar Geschicht deelen. Ech hunn meng Kollegen eng Kéier gefrot, d'Aarbechten an engem Excel-Spreadsheet ze maachen, den halwen Aarbechtsdag war vergaang, ech sinn op si gaang, a si souzen an hunn d'Donnéeën op engem Rechner zesummegefaasst, jo, op engem gewéinleche schwaarze Rechner mat Knäppercher. Gutt, iwwer wéi eng neural Netzwierker kënne mir duerno schwätzen? .. Dofir hat ech ni speziell Viraussetzunge fir mech an d'Welt vun der IT z'ënnerhalen. Awer, wéi se soen, "et ass gutt wou mir net sinn", hunn meng Frënn meng Oueren iwwer augmentéiert Realitéit geschwuer, iwwer neural Netzwierker, iwwer Programméierungssproochen (haaptsächlech iwwer Python).
A Wierder huet et ganz einfach ausgesinn, an ech hu beschloss firwat dës magesch Konscht net beherrscht fir se a mengem Aktivitéitsfeld anzesetzen.
An dësem Artikel iwwersprangen ech meng Versuche fir d'Grondlage vum Python ze beherrschen an deelen mat Iech meng Andréck vum gratis TensorFlow Cours vun Udacity.
Aféierung
Fir unzefänken, ass et derwäert ze bemierken datt no 11 Joer an der Energieindustrie, wann Dir alles wësst a ka maachen an och e bësse méi (no Är Verantwortung), radikal nei Saachen léieren - engersäits grouss Begeeschterung verursaacht, awer op der anerer - verwandelt sech zu kierperleche Péng " Gears a mengem Kapp."
Ech verstinn nach ëmmer net all d'Basiskonzepter vu Programméiere a Maschinnléieren, also sollt Dir mech net ze haart beurteelen. Ech hoffen, datt mäi Artikel interessant an nëtzlech ass fir Leit wéi ech, déi wäit vun der Softwareentwécklung sinn.
Ier Dir op d'Coursiwwersiicht weider geet, wäert ech soen datt fir et ze studéieren Dir op d'mannst minimale Wëssen iwwer Python braucht. Dir kënnt e puer Bicher fir Dummies liesen (ech hunn och ugefaang e Cours iwwer Stepic ze huelen, awer hunn et nach net ganz beherrscht).
Den TensorFlow Cours selwer wäert keng komplex Konstruktiounen enthalen, awer et wäert néideg sinn ze verstoen firwat Bibliothéiken importéiert ginn, wéi eng Funktioun definéiert ass a firwat eppes ersat gëtt.
Firwat TensorFlow an Udacity?
D'Haaptziel vu menger Ausbildung war de Wonsch Fotoen vun elektresche Installatiounselementer mat neuralen Netzwierker ze erkennen.
Ech hunn TensorFlow gewielt well ech vu menge Frënn doriwwer héieren hunn. A wéi ech et verstinn, ass dëse Cours zimlech populär.
Ech hu probéiert vum Beamten ze léieren .
An dunn sinn ech op zwee Probleemer gerannt.
- Et gi vill pädagogesch Materialien, a si kommen a verschiddene Varietéiten. Et war fir mech ganz schwéier op d'mannst e méi oder manner komplett Bild vun der Léisung vun der Bild Unerkennung Problem ze schafen.
- Déi meescht vun den Artikelen déi ech brauch sinn net op Russesch iwwersat ginn. Et ass just geschitt, datt ech Däitsch als Kand geléiert hunn an elo, wéi vill sowjetesch Kanner, kann ech weder Däitsch nach Englesch. Natierlech, a mengem Erwuessene Liewen, hunn ech probéiert Englesch ze beherrschen, awer et huet sech erausgestallt wéi op der Foto.
Nodeems ech op der offizieller Websäit gegruewen hunn, hunn ech Empfehlungen fonnt fir duerch ze goen .
Wéi ech verstinn, war de Cours op Coursera bezuelt, an de Cours et war méiglech "gratis, dat ass, fir näischt."
Course Inhalt
De Cours besteet aus 9 Lektioune.
Déi éischt Sektioun ass Aféierung, wou se Iech soen firwat et am Prinzip gebraucht gëtt.
Lektioun #2 huet sech als meng Léifsten erausgestallt. Et war einfach genuch ze verstoen an huet och d'Wonner vun der Wëssenschaft bewisen. Kuerz gesot, an dëser Lektioun, nieft der Basisinformatioun iwwer neural Netzwierker, weisen d'Creatoren wéi een en eenzegt Schicht neuralt Netzwierk benotzt fir de Problem vun der Ëmwandlung vun der Temperatur vu Fahrenheit op Celsius ze léisen.
Dëst ass wierklech e ganz kloer Beispill. Ech sëtzen nach ëmmer hei ze denken wéi ech en ähnleche Problem kommen an léisen, awer nëmme fir Elektriker.
Leider sinn ech weider gestoppt, well onverständlech Saachen an enger onbekannter Sprooch léieren ass zimlech schwéier. Wat mech gerett huet, war dat, wat ech um Habré fonnt hunn .
D'Iwwersetzung gouf mat héijer Qualitéit gemaach, d'Colab Notizbicher goufen och iwwersat, also hunn ech dunn souwuel d'Original wéi d'Iwwersetzung gekuckt.
Lektioun Nummer 3 ass tatsächlech eng Adaptatioun vu Materialien aus dem offiziellen TensorFlow Tutorial. An dësem Tutorial benotze mir e multilayer neuralt Netzwierk fir ze léieren wéi Biller vu Kleeder klassifizéieren (Fashion MNIST Dataset).
Lektioune Nr 4 bis Nr 7 sinn och eng Adaptatioun vum Tutorial. Awer wéinst der Tatsaach datt se richteg arrangéiert sinn, ass et net néideg d'Sequenz vun der Studie selwer ze verstoen. An dëse Lektioune gi mir kuerz iwwer ultra-präzis neural Netzwierker erzielt, wéi d'Genauegkeet vum Training erhéicht gëtt an de Modell späichert. Zur selwechter Zäit wäerte mir gläichzäiteg de Problem vun der Klassifizéierung vu Kazen an Hënn am Bild léisen.
Lektioun Nummer 8 ass e komplett separat Cours, et gëtt en aneren Enseignant, an de Cours selwer ass zimlech extensiv. D'Lektioun geet iwwer Zäitreihe. Well ech mech nach net drun interesséiert hunn, hunn ech se diagonal gescannt.
Dëst endet mat Lektioun #9, wat eng Invitatioun ass fir e gratis Cours op TensorFlow lite ze huelen.
Wat Dir gären hutt an net gär
Ech fänken un mat de Profien:
- De Cours ass gratis
- De Cours ass op TensorFlow 2. E puer Léierbicher déi ech gesinn hunn an e puer Coursen um Internet waren op TensorFlow 1. Ech weess net ob et e groussen Ënnerscheed ass, awer et ass flott déi aktuell Versioun ze léieren.
- D'Enseignanten am Video sinn net lästeg (obwuel se an der russescher Versioun net sou lëschteg liesen wéi am Original)
- De Cours brauch net vill Zäit
- De Cours mécht Iech net traureg oder hoffnungslos. D'Aufgaben am Cours sinn einfach an et gëtt ëmmer en Hiweis a Form vu Colab mat der richteger Léisung wann eppes net kloer ass (an eng gutt Halschent vun den Aufgaben waren mir net kloer)
- Et ass net néideg eppes ze installéieren, all Laboraarbecht vum Cours kann am Browser gemaach ginn
Elo d'Nodeeler:
- Et gi praktesch keng Kontrollmaterialien. Keng Tester, keng Aufgaben, näischt fir iergendwéi d'Meeschterschaft vum Cours ze kontrolléieren
- Net all meng Notizblock hunn geschafft wéi se sollten. Ech denken, datt an der drëtter Lektioun vum ursprénglechen Cours an Englesch Colab e Feeler geheit huet an ech wousst net wat ech maache soll
- Praktesch nëmmen op engem Computer ze kucken. Vläicht hunn ech et net ganz verstanen, awer ech konnt d'Udacity App op mengem Smartphone net fannen. An déi mobil Versioun vum Site ass net reaktiounsfäeger, dat heescht, bal de ganze Bildschiermberäich ass vum Navigatiounsmenü besat, awer fir den Haaptinhalt ze gesinn, musst Dir no riets iwwer d'Sichtberäich scrollen. Och de Video kann net um Telefon gekuckt ginn. Dir kënnt näischt wierklech op engem Ecran gesinn, dee just iwwer 6 Zoll moosst.
- E puer Saachen am Cours ginn e puer Mol gekauft, awer gläichzäiteg sinn déi wierklech noutwenneg Saachen op de konvolutionalen Netzwierker selwer net am Cours gekauft. Ech hunn nach ëmmer den allgemengen Zweck vun e puer vun den Übungen net verstanen (zum Beispill, fir wat de Max Pooling ass).
Summary
Dir hutt sécher scho geduecht datt d'Wonner net geschitt ass. An nodeems Dir dëse kuerze Cours ofgeschloss huet, ass et onméiglech wierklech ze verstoen wéi neural Netzwierker funktionnéieren.
Natierlech konnt ech duerno mäi Problem net eleng léisen mat der Klassifikatioun vu Fotoen vu Schalter a Knäppercher an Schalter.
Awer allgemeng ass de Cours nëtzlech. Et weist wat Saachen mat TensorFlow gemaach kënne ginn a wéi eng Richtung nächst ze huelen.
Ech mengen ech muss fir d'éischt d'Grondlage vum Python léieren a Bicher op Russesch liesen iwwer wéi neural Netzwierker funktionnéieren, an dann TensorFlow iwwerhuelen.
Als Ofschloss wëll ech meng Frënn Merci soen fir mech gedréckt ze hunn den éischten Artikel iwwer Habr ze schreiwen an mir ze hëllefen et ze formatéieren.
PS Ech wäert frou sinn Är Kommentaren an all konstruktiv Kritik ze gesinn.
Source: will.com