ตลอดชีวิตในวัยผู้ใหญ่ของฉัน ฉันเป็นเครื่องดื่มให้พลังงาน (ไม่ ตอนนี้เราไม่ได้พูดถึงเครื่องดื่มที่มีคุณสมบัติน่าสงสัย)
ฉันไม่เคยสนใจโลกของเทคโนโลยีสารสนเทศเป็นพิเศษเลย และแทบจะคูณเมทริกซ์บนกระดาษไม่ได้เลยด้วยซ้ำ และฉันไม่เคยต้องการสิ่งนี้ เพื่อที่คุณจะได้เข้าใจเพียงเล็กน้อยเกี่ยวกับงานของฉัน ฉันสามารถแบ่งปันเรื่องราวที่ยอดเยี่ยมได้ ครั้งหนึ่งฉันเคยขอให้เพื่อนร่วมงานทำงานในสเปรดชีต Excel ผ่านไปครึ่งวันทำงานแล้ว ฉันไปหาพวกเขา และพวกเขาก็นั่งสรุปข้อมูลในเครื่องคิดเลข ใช่แล้ว บนเครื่องคิดเลขสีดำธรรมดาที่มีปุ่มต่างๆ หลังจากนี้เราจะพูดถึงโครงข่ายประสาทเทียมชนิดใดได้บ้าง.. ดังนั้นฉันไม่เคยมีข้อกำหนดเบื้องต้นพิเศษใด ๆ สำหรับการดื่มด่ำกับโลกแห่งไอที แต่อย่างที่พวกเขาพูดว่า "มันดีที่เราไม่ได้อยู่" เพื่อนของฉันส่งเสียงหึ่งๆ เกี่ยวกับความเป็นจริงเสริม เกี่ยวกับโครงข่ายประสาทเทียม เกี่ยวกับภาษาการเขียนโปรแกรม (เกี่ยวกับ Python เป็นหลัก)
พูดง่ายๆ ก็คือมันดูเรียบง่ายมาก และฉันก็ตัดสินใจว่าทำไมไม่เชี่ยวชาญศิลปะเวทย์มนตร์นี้เพื่อนำไปใช้ในสาขากิจกรรมของฉัน
ในบทความนี้ ฉันจะข้ามความพยายามของฉันในการเรียนรู้พื้นฐานของ Python และแบ่งปันความประทับใจของฉันเกี่ยวกับหลักสูตร TensorFlow ฟรีจาก Udacity กับคุณ
การแนะนำ
เริ่มต้นด้วยเป็นที่น่าสังเกตว่าหลังจาก 11 ปีในอุตสาหกรรมพลังงานเมื่อคุณรู้และสามารถทำทุกอย่างและแม้แต่อีกเล็กน้อย (ตามความรับผิดชอบของคุณ) การเรียนรู้สิ่งใหม่อย่างรุนแรง - ในด้านหนึ่งทำให้เกิดความกระตือรือร้นอย่างมาก แต่ในทางกลับกัน - กลับกลายเป็นความเจ็บปวดทางกาย " เกียร์ในหัวของฉัน"
ฉันยังไม่เข้าใจแนวคิดพื้นฐานทั้งหมดของการเขียนโปรแกรมและการเรียนรู้ของเครื่อง ดังนั้นคุณไม่ควรตัดสินฉันอย่างรุนแรงเกินไป ฉันหวังว่าบทความของฉันจะน่าสนใจและเป็นประโยชน์กับคนเช่นฉันที่ห่างไกลจากการพัฒนาซอฟต์แวร์
ก่อนที่จะไปยังภาพรวมของหลักสูตร ฉันจะบอกว่าหากต้องการศึกษาคุณจะต้องมีความรู้เกี่ยวกับ Python เป็นอย่างน้อย คุณสามารถอ่านหนังสือสองสามเล่มเกี่ยวกับหุ่นจำลองได้ (ฉันเริ่มเรียนหลักสูตร Stepic แล้ว แต่ยังไม่เชี่ยวชาญอย่างสมบูรณ์)
หลักสูตร TensorFlow เองจะไม่มีโครงสร้างที่ซับซ้อน แต่จำเป็นต้องเข้าใจว่าเหตุใดจึงนำเข้าไลบรารี วิธีกำหนดฟังก์ชัน และเหตุใดจึงมีบางสิ่งเข้ามาแทนที่
ทำไมต้อง TensorFlow และ Udacity?
เป้าหมายหลักของการฝึกอบรมของฉันคือความปรารถนาที่จะจดจำภาพถ่ายขององค์ประกอบการติดตั้งระบบไฟฟ้าโดยใช้โครงข่ายประสาทเทียม
ฉันเลือก TensorFlow เพราะฉันได้ยินเรื่องนี้จากเพื่อนๆ และเท่าที่ผมเข้าใจหลักสูตรนี้ค่อนข้างเป็นที่นิยม
ฉันพยายามเริ่มเรียนรู้จากทางการ .
แล้วฉันก็พบปัญหาสองประการ
- มีสื่อการสอนมากมายและมีหลายแบบ มันยากมากสำหรับฉันที่จะสร้างภาพที่สมบูรณ์ในการแก้ปัญหาการรู้จำภาพไม่มากก็น้อย
- บทความส่วนใหญ่ที่ฉันต้องการยังไม่ได้รับการแปลเป็นภาษารัสเซีย มันบังเอิญว่าฉันเรียนภาษาเยอรมันตั้งแต่ยังเป็นเด็ก และตอนนี้ก็เหมือนกับเด็กโซเวียตหลายคน ฉันไม่รู้ภาษาเยอรมันหรือภาษาอังกฤษ แน่นอนว่าตลอดชีวิตในวัยผู้ใหญ่ของฉัน ฉันพยายามที่จะเชี่ยวชาญภาษาอังกฤษ แต่กลับกลายเป็นเหมือนในภาพ
หลังจากขุดค้นบนเว็บไซต์อย่างเป็นทางการเพิ่มเติม ฉันพบคำแนะนำที่ควรดำเนินการ .
ตามที่ฉันเข้าใจ หลักสูตรบน Coursera ได้รับการชำระแล้วและหลักสูตรนั้นด้วย เป็นไปได้ที่จะผ่าน "ฟรีนั่นคือเพื่ออะไร"
เนื้อหาหลักสูตร
หลักสูตรประกอบด้วย 9 บทเรียน
ส่วนแรกสุดเป็นเนื้อหาเบื้องต้น ซึ่งพวกเขาจะบอกคุณว่าทำไมจึงจำเป็นในหลักการ
บทเรียนที่ 2 กลายเป็นบทเรียนที่ฉันชอบที่สุด มันง่ายพอที่จะเข้าใจและแสดงให้เห็นถึงความมหัศจรรย์ของวิทยาศาสตร์ด้วย กล่าวโดยสรุป ในบทเรียนนี้ นอกเหนือจากข้อมูลพื้นฐานเกี่ยวกับโครงข่ายประสาทเทียมแล้ว ผู้สร้างยังสาธิตวิธีใช้โครงข่ายประสาทเทียมชั้นเดียวเพื่อแก้ปัญหาการแปลงอุณหภูมิจากฟาเรนไฮต์เป็นเซลเซียส
นี่เป็นตัวอย่างที่ชัดเจนมาก ฉันยังคงนั่งอยู่ที่นี่คิดว่าจะหาและแก้ไขปัญหาที่คล้ายกันได้อย่างไร แต่สำหรับช่างไฟฟ้าเท่านั้น
น่าเสียดายที่ฉันหยุดต่อไปเพราะการเรียนรู้สิ่งที่เข้าใจยากในภาษาที่ไม่คุ้นเคยนั้นค่อนข้างยาก สิ่งที่ช่วยฉันไว้คือสิ่งที่ฉันพบในHabré .
การแปลเสร็จสิ้นด้วยคุณภาพสูง สมุดบันทึก Colab ก็แปลด้วย ดังนั้นฉันจึงดูทั้งต้นฉบับและคำแปล
ที่จริงแล้วบทที่ 3 คือการดัดแปลงเนื้อหาจากบทช่วยสอน TensorFlow อย่างเป็นทางการ ในบทช่วยสอนนี้ เราใช้โครงข่ายประสาทเทียมหลายชั้นเพื่อเรียนรู้วิธีจำแนกรูปภาพของเสื้อผ้า (ชุดข้อมูล Fashion MNIST)
บทเรียนที่ 4 ถึงบทที่ 7 ยังเป็นการปรับบทช่วยสอนอีกด้วย แต่เนื่องจากการจัดเรียงอย่างถูกต้องจึงไม่จำเป็นต้องเข้าใจลำดับการศึกษาด้วยตัวเอง ในบทเรียนเหล่านี้ เราจะอธิบายสั้น ๆ เกี่ยวกับโครงข่ายประสาทเทียมที่แม่นยำเป็นพิเศษ วิธีเพิ่มความแม่นยำของการฝึกฝนและบันทึกแบบจำลอง ในเวลาเดียวกันเราจะแก้ไขปัญหาการจำแนกแมวและสุนัขในภาพไปพร้อมๆ กัน
บทเรียนที่ 8 เป็นหลักสูตรที่แยกจากกันโดยสิ้นเชิง มีครูคนละคน และตัวหลักสูตรก็ค่อนข้างกว้างขวาง บทเรียนเป็นเรื่องเกี่ยวกับอนุกรมเวลา เนื่องจากฉันยังไม่สนใจมัน ฉันจึงสแกนมันในแนวทแยง
ปิดท้ายด้วยบทที่ 9 ซึ่งเป็นคำเชิญให้เข้าร่วมหลักสูตรฟรีบน TensorFlow lite
สิ่งที่คุณชอบและไม่ชอบ
ฉันจะเริ่มต้นด้วยข้อดี:
- หลักสูตรนี้ฟรี
- หลักสูตรนี้อยู่บน TensorFlow 2 หนังสือเรียนบางเล่มที่ฉันเห็นและบางหลักสูตรบนอินเทอร์เน็ตอยู่บน TensorFlow 1 ฉันไม่รู้ว่ามีความแตกต่างใหญ่หรือไม่ แต่ก็ดีใจที่ได้เรียนรู้เวอร์ชันปัจจุบัน
- ครูในวิดีโอไม่น่ารำคาญ (ถึงแม้ในเวอร์ชั่นรัสเซียจะอ่านไม่สนุกเหมือนต้นฉบับก็ตาม)
- หลักสูตรนี้ใช้เวลาไม่มาก
- หลักสูตรนี้ไม่ทำให้คุณรู้สึกเศร้าหรือสิ้นหวัง งานในหลักสูตรนั้นเรียบง่ายและจะมีคำแนะนำในรูปแบบของ Colab อยู่เสมอพร้อมวิธีแก้ปัญหาที่ถูกต้องหากมีบางอย่างไม่ชัดเจน (และงานอีกครึ่งหนึ่งยังไม่ชัดเจนสำหรับฉัน)
- ไม่จำเป็นต้องติดตั้งอะไรเลย งานในห้องปฏิบัติการทั้งหมดของหลักสูตรสามารถทำได้ในเบราว์เซอร์
ตอนนี้ข้อเสีย:
- แทบไม่มีวัสดุควบคุมเลย ไม่มีการทดสอบ ไม่มีงาน ไม่มีสิ่งใดที่จะตรวจสอบความเชี่ยวชาญของหลักสูตร
- แผ่นจดบันทึกของฉันบางอันไม่ได้ทำงานอย่างที่ควรจะเป็น ฉันคิดว่าบทเรียนที่สามของหลักสูตรภาษาอังกฤษ Colab ดั้งเดิมเกิดข้อผิดพลาด และฉันไม่รู้ว่าจะทำอย่างไรกับมัน
- สะดวกในการรับชมเฉพาะบนคอมพิวเตอร์เท่านั้น บางทีฉันอาจไม่เข้าใจมันทั้งหมด แต่ฉันไม่พบแอป Udacity บนสมาร์ทโฟนของฉัน และไซต์เวอร์ชันมือถือไม่ตอบสนองนั่นคือพื้นที่หน้าจอเกือบทั้งหมดถูกครอบครองโดยเมนูนำทาง แต่หากต้องการดูเนื้อหาหลักคุณต้องเลื่อนไปทางขวาเหนือพื้นที่ดู นอกจากนี้ยังไม่สามารถดูวิดีโอบนโทรศัพท์ได้ คุณไม่สามารถมองเห็นสิ่งใดบนหน้าจอที่มีขนาดเกิน 6 นิ้วได้
- บางสิ่งบางอย่างในหลักสูตรถูกเคี้ยวหลายครั้ง แต่ในขณะเดียวกัน สิ่งที่จำเป็นจริงๆ บนเครือข่ายแบบหมุนวนเองก็ไม่ได้ถูกเคี้ยวในหลักสูตร ฉันยังไม่เข้าใจวัตถุประสงค์โดยรวมของแบบฝึกหัดบางอย่าง (เช่น Max Pooling มีไว้เพื่ออะไร)
สรุป
คุณคงเดาได้แล้วว่าปาฏิหาริย์ไม่ได้เกิดขึ้น และหลังจากจบหลักสูตรระยะสั้นนี้แล้ว ก็เป็นไปไม่ได้เลยที่จะเข้าใจวิธีการทำงานของโครงข่ายประสาทเทียมอย่างแท้จริง
แน่นอนว่าหลังจากนี้ฉันก็ไม่สามารถแก้ไขปัญหาของตัวเองได้ด้วยการจำแนกรูปถ่ายสวิตช์และปุ่มต่างๆ ในสวิตช์เกียร์
แต่โดยรวมแล้วหลักสูตรนี้มีประโยชน์ โดยจะแสดงสิ่งที่สามารถทำได้ด้วย TensorFlow และทิศทางที่จะดำเนินการต่อไป
ฉันคิดว่าฉันต้องเรียนรู้พื้นฐานของ Python ก่อนและอ่านหนังสือเป็นภาษารัสเซียเกี่ยวกับการทำงานของโครงข่ายประสาทเทียม จากนั้นจึงเริ่มทดสอบ TensorFlow
โดยสรุปผมขอขอบคุณเพื่อนๆ ที่ผลักดันผมให้เขียนบทความแรกเกี่ยวกับ Habr และช่วยผมจัดรูปแบบ
ป.ล. ฉันยินดีที่จะเห็นความคิดเห็นของคุณและคำวิจารณ์ที่สร้างสรรค์
ที่มา: will.com