Насанд хүрсэн бүх амьдралынхаа туршид би эрчим хүчний ундаа байсан (үгүй, одоо бид эргэлзээтэй шинж чанартай ундааны тухай яриагүй).
Би хэзээ ч мэдээллийн технологийн ертөнцийг онцгойлон сонирхож байгаагүй бөгөөд цаасан дээр матрицыг үржүүлж ч чадахгүй. Энэ нь надад хэзээ ч хэрэггүй байсан тул та миний ажлын онцлогийг бага зэрэг ойлгохын тулд би гайхалтай түүхийг хуваалцах болно. Би нэг удаа хамт ажиллагсадаасаа Excel-ийн хүснэгтээр ажлаа хийхийг гуйсан, ажлын өдрийн тал нь өнгөрчихсөн, би тэдэн дээр очиход тэд тооцоолуур дээр, тиймээ, энгийн хар тооны машин дээр товчин дээр мэдээлэл цуглуулж суугаад байв. За, үүний дараа бид ямар мэдрэлийн сүлжээнүүдийн тухай ярих вэ?.. Тиймээс надад IT ертөнцөд өөрийгөө шимтэх онцгой урьдчилсан нөхцөл хэзээ ч байгаагүй. Гэхдээ "бид байхгүй газар сайхан байна" гэж найз нөхөд маань сайжруулсан бодит байдал, мэдрэлийн сүлжээ, програмчлалын хэлний талаар (ихэвчлэн Python-ийн тухай) чихийг минь шуугиулсан.
Нэг үгээр хэлэхэд энэ нь маш энгийн харагдаж байсан бөгөөд би энэ ид шидийн урлагийг өөрийн үйл ажиллагааны чиглэлээр ашиглахын тулд яагаад үүнийг эзэмшиж болохгүй гэж шийдсэн.
Энэ нийтлэлд би Python-ийн үндсийг эзэмших оролдлогуудаа орхиж, Udacity-ийн үнэгүй TensorFlow курсын талаарх сэтгэгдлээ тантай хуваалцах болно.
Танилцуулга
Эхлэхийн тулд эрчим хүчний салбарт 11 жил ажилласны дараа та бүх зүйлийг мэддэг, хийж чаддаг, тэр ч байтугай бага зэрэг (хариуцлагын дагуу) шинэ зүйлийг сурах нь нэг талаас асар их урам зоригийг төрүүлдэг гэдгийг тэмдэглэх нь зүйтэй. Харин нөгөө талаас - "миний толгойд араа" бие махбодийн өвдөлт болж хувирдаг.
Би програмчлал болон машин сургалтын бүх үндсэн ойлголтуудыг бүрэн ойлгоогүй байгаа тул та намайг хэтэрхий хатуу шүүмжилж болохгүй. Миний нийтлэл над шиг програм хангамж хөгжүүлэлтээс хол байгаа хүмүүст сонирхолтой, хэрэг болох байх гэж найдаж байна.
Хичээлийн тойм руу шилжихийн өмнө би үүнийг судлахын тулд Python-ийн хамгийн бага мэдлэгтэй байх шаардлагатай гэдгийг хэлье. Та дамми нарт зориулсан хэд хэдэн ном уншиж болно (би бас Stepic-ийн курст хамрагдаж эхэлсэн, гэхдээ бүрэн эзэмшээгүй байна).
TensorFlow курс нь өөрөө нарийн төвөгтэй бүтэц агуулаагүй боловч яагаад номын санг импортлодог, функцийг хэрхэн тодорхойлсон, яагаад түүнд ямар нэгэн зүйл орлуулж байгааг ойлгох шаардлагатай.
Яагаад TensorFlow болон Udacity?
Миний сургалтын гол зорилго бол мэдрэлийн сүлжээг ашиглан цахилгаан угсралтын элементүүдийн гэрэл зургийг таних хүсэл байв.
Энэ тухай найзуудаасаа сонссон болохоор TensorFlow-ийг сонгосон. Миний ойлгож байгаагаар энэ курс нэлээд алдартай.
Би албан тушаалтнаас суралцахыг хичээсэн .
Тэгээд би хоёр асуудалтай тулгарсан.
- Боловсролын материалууд маш их байдаг бөгөөд тэдгээр нь янз бүрийн төрлөөр ирдэг. Зургийг таних асуудлыг шийдэхийн тулд ядаж бага багаар бүрэн дүр зургийг бүтээхэд надад маш хэцүү байсан.
- Надад хэрэгтэй нийтлэлүүдийн ихэнх нь орос хэл рүү орчуулагдаагүй байна. Би хүүхэд байхдаа герман хэл сурсан бөгөөд одоо Зөвлөлтийн олон хүүхдүүдийн адил герман, англи хэл мэдэхгүй. Мэдээжийн хэрэг, насанд хүрсэн амьдралынхаа туршид би англи хэлийг эзэмшихийг хичээсэн боловч зураг дээрх шиг зүйл болсон.
Албан ёсны вэб сайтыг ухаж үзсэнийхээ дараа үзэх зөвлөмжийг олсон .
Миний ойлгож байгаагаар Coursera дээрх курс төлбөртэй байсан, мөн курс нь "үнэгүй, өөрөөр хэлбэл ямар ч үнэ төлбөргүй" дамжих боломжтой байсан.
Хичээлийн агуулга
Сургалт нь 9 хичээлээс бүрдэнэ.
Эхний хэсэг нь танилцуулга бөгөөд зарчмын хувьд яагаад хэрэгтэй байгааг танд хэлэх болно.
Хичээл №2 миний хамгийн дуртай хичээл болсон. Энэ нь ойлгоход хангалттай энгийн бөгөөд шинжлэх ухааны гайхамшгийг харуулсан юм. Товчхондоо, энэ хичээлээр бүтээгчид мэдрэлийн сүлжээний талаархи үндсэн мэдээллээс гадна температурыг Фаренгейтээс Цельсийн хэмд шилжүүлэх асуудлыг шийдэхийн тулд нэг давхаргат мэдрэлийн сүлжээг хэрхэн ашиглахыг харуулж байна.
Энэ бол үнэхээр маш тод жишээ юм. Би үүнтэй төстэй асуудлыг хэрхэн гаргаж, шийдвэрлэх талаар бодож суусаар л байна, гэхдээ зөвхөн цахилгаанчинд зориулагдсан.
Харамсалтай нь танихгүй хэлээр ойлгомжгүй зүйлийг сурах нь нэлээд хэцүү байдаг тул би цааш гацсан. Намайг аварсан зүйл бол Хабре дээрээс олсон зүйл юм .
Орчуулга өндөр чанартай хийгдсэн, Colab дэвтэр ч орчуулагдсан тул эх болон орчуулгыг хоёуланг нь харлаа.
Хичээл №3 нь үнэн хэрэгтээ TensorFlow-ийн албан ёсны зааварчилгааны материалуудын дасан зохицсон хичээл юм. Энэхүү зааварт бид хувцасны зургийг хэрхэн ангилах талаар сурахын тулд олон давхаргат мэдрэлийн сүлжээг ашигладаг (Fashion MNIST өгөгдлийн багц).
4-ээс 7-р хичээлүүд нь мөн сургалтын дасан зохицох хичээл юм. Гэхдээ тэдгээрийг зөв байрлуулсан тул өөрөө судлах дарааллыг ойлгох шаардлагагүй болно. Эдгээр хичээлүүдэд бид хэт нарийн мэдрэлийн сүлжээ, сургалтын нарийвчлалыг хэрхэн нэмэгдүүлэх, загварыг хэрхэн хадгалах талаар товч ярих болно. Үүний зэрэгцээ бид зураг дээрх муур, нохойг ангилах асуудлыг нэгэн зэрэг шийдвэрлэх болно.
8-р хичээл бол шал тусдаа, өөр багштай, курс өөрөө нэлээд өргөн хүрээтэй. Хичээл нь цаг хугацааны цувралын тухай юм. Би үүнийг хараахан сонирхоогүй байгаа тул диагональ байдлаар сканнердсан.
Энэ нь TensorFlow lite дээр үнэ төлбөргүй суралцах урилга болох 9-р хичээлээр төгсдөг.
Та юунд дуртай, юунд дургүй байсан
Би эерэг талуудаас эхэлье:
- Сургалт үнэ төлбөргүй
- Уг сургалт TensorFlow 2 дээр байна. Миний үзсэн зарим сурах бичиг, интернетээс зарим хичээл TensorFlow 1 дээр байсан. Би том ялгаа байгаа эсэхийг мэдэхгүй ч одоогийн хувилбарыг сурахад таатай байна.
- Видеон дээрх багш нар ядаргаатай биш (хэдийгээр орос хувилбар дээр тэд эх хувилбар шиг хөгжилтэй уншдаггүй)
- Курс нь их цаг хугацаа шаарддаггүй
- Сургалт нь таныг гунигтай, найдваргүй болгодоггүй. Хичээлийн даалгаварууд нь энгийн бөгөөд хэрэв ямар нэг зүйл тодорхойгүй байвал (мөн даалгаврын тал хувь нь надад тодорхойгүй байсан) зөв шийдэл бүхий Colab хэлбэрээр зөвлөмж байдаг.
- Юу ч суулгах шаардлагагүй, курсын бүх лабораторийн ажлыг хөтөч дээр хийж болно
Одоо сул талууд:
- Хяналтын материал бараг байдаггүй. Хичээлийн ур чадварыг шалгах ямар ч шалгалт, даалгавар, юу ч байхгүй
- Миний тэмдэглэлийн дэвтэр бүгд зохих ёсоор ажиллаагүй. Би англи хэлний анхны курсын гурав дахь хичээл дээр Colab алдаа гаргасан гэж бодож байна, би үүнийг юу хийхээ мэдэхгүй байна
- Зөвхөн компьютер дээр үзэхэд тохиромжтой. Магадгүй би үүнийг бүрэн ойлгоогүй ч ухаалаг утаснаасаа Udacity програмыг олж чадсангүй. Мөн сайтын гар утасны хувилбар нь хариу үйлдэл үзүүлэхгүй, өөрөөр хэлбэл дэлгэцийн бараг бүх хэсгийг навигацийн цэс эзэлдэг боловч үндсэн агуулгыг үзэхийн тулд та үзэх хэсгээс баруун тийш гүйлгэх хэрэгтэй. Мөн видеог утсаар үзэх боломжгүй. Та ердөө 6 инчээс илүү хэмжээтэй дэлгэцэн дээр юу ч харж чадахгүй.
- Хичээлийн зарим зүйлийг хэд хэдэн удаа зажилдаг боловч үүнтэй зэрэгцэн эргэлтийн сүлжээн дэх үнэхээр шаардлагатай зүйлсийг курст зажилдаггүй. Би зарим дасгалын ерөнхий зорилгыг ойлгоогүй (жишээ нь, Макс Пулинг юунд зориулагдсан вэ).
Хураангуй
Гайхамшиг болоогүй гэж та аль хэдийн таамагласан нь лавтай. Энэхүү богино хугацааны сургалтыг дуусгасны дараа мэдрэлийн сүлжээ хэрхэн ажилладагийг ойлгох боломжгүй юм.
Мэдээжийн хэрэг, үүний дараа би шилжүүлэгч төхөөрөмж дэх унтраалга, товчлуурын зургийн ангиллаар асуудлыг бие даан шийдэж чадаагүй юм.
Гэхдээ ерөнхийдөө курс нь ашигтай. Энэ нь TensorFlow-ийн тусламжтайгаар юу хийж болох, цаашдаа ямар чиглэл авахыг харуулдаг.
Би эхлээд Python-ийн үндсийг сурч, мэдрэлийн сүлжээ хэрхэн ажилладаг тухай орос хэл дээрх номуудыг уншиж, дараа нь TensorFlow-ийг авах хэрэгтэй гэж бодож байна.
Эцэст нь хэлэхэд, Хабрын тухай анхны нийтлэлийг бичихэд түлхэц өгч, форматлахад тусалсан найзууддаа баярлалаа гэж хэлмээр байна.
Жич: Би таны сэтгэгдэл болон аливаа бүтээлч шүүмжийг харахдаа баяртай байх болно.
Эх сурвалж: www.habr.com