Butun kattalar hayotim davomida men energetik ichimlik bo'lganman (yo'q, endi biz shubhali xususiyatlarga ega ichimlik haqida gapirmayapmiz).
Men hech qachon axborot texnologiyalari olamiga unchalik qiziqmaganman va matritsalarni qog‘ozga ko‘paytirishga ham qiyinchilik tug‘diradi. Va bu menga hech qachon kerak emas edi, shuning uchun siz mening ishimning o'ziga xos xususiyatlari haqida bir oz tushunishingiz uchun ajoyib voqeani baham ko'rishim mumkin. Bir marta men hamkasblarimdan Excel elektron jadvalida ishni bajarishni so'radim, ish kunining yarmi o'tdi, men ularning oldiga bordim, ular o'tirib, kalkulyatorda, ha, oddiy qora kalkulyatorda tugmachalar bilan ma'lumotlarni jamlashdi. Xo'sh, bundan keyin qanday neyron tarmoqlar haqida gapirish mumkin?.. Shuning uchun menda IT olamiga sho'ng'ish uchun hech qanday maxsus shartlar bo'lmagan. Ammo, ular aytganidek, "biz bo'lmagan joyimiz yaxshi", mening do'stlarim kengaytirilgan haqiqat, neyron tarmoqlar, dasturlash tillari (asosan Python haqida) haqida quloqlarimni qulog'imga qamashtirdi.
So'z bilan aytganda, bu juda oddiy ko'rinardi va men nima uchun bu sehrli san'atni o'z faoliyat sohamda qo'llash uchun o'zlashtirmaslikka qaror qildim.
Ushbu maqolada men Python asoslarini o'zlashtirishga urinishlarimni o'tkazib yuboraman va Udacity-dan bepul TensorFlow kursi haqidagi taassurotlarimni siz bilan baham ko'raman.
kirish
Boshlash uchun shuni ta'kidlash kerakki, energetika sohasida 11 yil o'tgach, siz hamma narsani bilsangiz va qila olasiz va hatto biroz ko'proq (mas'uliyatingizga ko'ra) tubdan yangi narsalarni o'rganish - bir tomondan, katta ishtiyoq, lekin boshqa tomondan - jismoniy og'riq "boshimdagi tishli" ga aylanadi.
Men hali ham dasturlash va mashinani o'rganishning barcha asosiy tushunchalarini to'liq tushunmayapman, shuning uchun meni juda qattiq hukm qilmasligingiz kerak. Umid qilamanki, mening maqolam men kabi dasturiy ta'minotni ishlab chiqishdan uzoq bo'lgan odamlar uchun qiziqarli va foydali bo'ladi.
Kurs haqida umumiy ma'lumotga o'tishdan oldin, shuni aytamanki, uni o'rganish uchun sizga Python bo'yicha kamida minimal bilim kerak bo'ladi. Siz qo'g'irchoqlar uchun bir nechta kitoblarni o'qishingiz mumkin (men ham Stepic bo'yicha kursni boshladim, lekin uni hali to'liq o'zlashtirmaganman).
TensorFlow kursining o'zi murakkab tuzilmalarni o'z ichiga olmaydi, lekin nima uchun kutubxonalar import qilinishini, funktsiya qanday aniqlanganligini va nima uchun unga biror narsa almashtirilganligini tushunish kerak bo'ladi.
Nima uchun TensorFlow va Udacity?
Treningning asosiy maqsadi neyron tarmoqlardan foydalangan holda elektr o'rnatish elementlarining fotosuratlarini tanib olish istagi edi.
Men TensorFlow-ni tanladim, chunki bu haqda do'stlarimdan eshitdim. Va men tushunganimdek, bu kurs juda mashhur.
Men amaldordan o'rganishni boshlashga harakat qildim .
Va keyin ikkita muammoga duch keldim.
- O'quv materiallari juda ko'p va ular turli xil navlarda keladi. Tasvirni aniqlash muammosini hal qilishning hech bo'lmaganda ko'proq yoki kamroq to'liq rasmini yaratish men uchun juda qiyin edi.
- Menga kerakli maqolalarning aksariyati rus tiliga tarjima qilinmagan. Shunday bo'ldiki, men bolaligimda nemis tilini o'rgandim va hozir, ko'plab sovet bolalari singari, men ham nemis tilini, na ingliz tilini bilmayman. Albatta, men kattalar hayotim davomida ingliz tilini o'zlashtirishga harakat qildim, lekin rasmdagi kabi bo'lib chiqdi.
Rasmiy veb-saytni o'rganib chiqqanimdan so'ng, men ko'rib chiqish uchun tavsiyalar topdim .
Men tushunganimdek, Coursera bo'yicha kurs pullik va kurs "bepul, ya'ni hech narsaga" o'tish mumkin edi.
Kurs mazmuni
Kurs 9 ta darsdan iborat.
Birinchi bo'lim kirish bo'lib, u erda sizga printsipial jihatdan nima uchun kerakligini aytib berishadi.
№2 dars mening eng sevimli darsim bo'ldi. Bu tushunarli darajada sodda edi va ilm-fan mo''jizalarini ko'rsatdi. Muxtasar qilib aytganda, ushbu darsda neyron tarmoqlar haqidagi asosiy ma'lumotlarga qo'shimcha ravishda, yaratuvchilar haroratni Farengeytdan Selsiyga aylantirish muammosini hal qilish uchun bir qatlamli neyron tarmoqdan qanday foydalanishni ko'rsatadilar.
Bu, albatta, juda aniq misol. Men hali ham bu erda o'tirib, shunga o'xshash muammoni qanday hal qilish va hal qilish haqida o'ylayman, lekin faqat elektrchilar uchun.
Afsuski, men to'xtab qoldim, chunki notanish tilda tushunarsiz narsalarni o'rganish juda qiyin. Meni qutqargan narsa - Habré-da topganim .
Tarjima yuqori sifatda amalga oshirildi, Colab daftarlari ham tarjima qilindi, shuning uchun men asl nusxani ham, tarjimani ham ko'rib chiqdim.
3-dars, aslida, TensorFlow rasmiy o'quv qo'llanmasi materiallarining moslashuvidir. Ushbu qo'llanmada biz kiyim rasmlarini qanday tasniflashni o'rganish uchun ko'p qatlamli neyron tarmoqdan foydalanamiz (Fashion MNIST ma'lumotlar to'plami).
4-sonli darslardan 7-gachasi darslar ham oʻquv qoʻllanmaning moslashuvidir. Ammo ular to'g'ri joylashtirilganligi sababli, o'rganish ketma-ketligini o'zingiz tushunishingiz shart emas. Ushbu darslarda biz qisqacha o'ta aniq neyron tarmoqlari, o'qitishning aniqligini oshirish va modelni saqlash haqida qisqacha ma'lumot beramiz. Shu bilan birga, biz bir vaqtning o'zida tasvirdagi mushuk va itlarni tasniflash muammosini hal qilamiz.
8-dars butunlay alohida kurs, boshqa o'qituvchi bor va kursning o'zi ancha keng. Dars vaqt seriyasi haqida. Men hali unga qiziqmaganim uchun uni diagonal ravishda skanerladim.
Bu №9 dars bilan tugaydi, bu TensorFlow lite bo'yicha bepul kursga taklif.
Sizga nima yoqdi va nima yoqmadi
Men professionallardan boshlayman:
- Kurs bepul
- Kurs TensorFlow 2 da. Men ko'rgan ba'zi darsliklar va Internetdagi ba'zi kurslar TensorFlow 1 da edi. Katta farq bor yoki yo'qligini bilmayman, lekin joriy versiyani o'rganish yoqimli.
- Videodagi o'qituvchilar zerikarli emas (garchi ruscha versiyada ular asl nusxadagi kabi quvnoq o'qilmasa ham)
- Kurs ko'p vaqt talab qilmaydi
- Kurs sizni xafa yoki umidsiz his qilmaydi. Kursdagi vazifalar oddiy va agar biror narsa aniq bo'lmasa (va vazifalarning yarmi menga tushunarsiz bo'lsa) har doim to'g'ri echim bilan Colab ko'rinishida maslahat bor.
- Hech narsa o'rnatishning hojati yo'q, kursning barcha laboratoriya ishlari brauzerda bajarilishi mumkin
Endi kamchiliklari:
- Nazorat materiallari deyarli yo'q. Hech qanday testlar, topshiriqlar yo'q, kursning o'zlashtirilishini tekshirish uchun hech narsa yo'q
- Barcha bloknotlarim kerakli darajada ishlamadi. Menimcha, ingliz tilidagi dastlabki kursning uchinchi darsida Colab xatolik yuz berdi va men u bilan nima qilishni bilmasdim.
- Faqat kompyuterda tomosha qilish uchun qulay. Balki men buni to‘liq tushunmagandirman, lekin smartfonimda Udacity ilovasini topa olmadim. Va saytning mobil versiyasi javob bermaydi, ya'ni deyarli butun ekran maydoni navigatsiya menyusi bilan band, ammo asosiy tarkibni ko'rish uchun siz ko'rish maydonidan tashqarida o'ngga o'tishingiz kerak. Bundan tashqari, videoni telefonda ko'rib bo'lmaydi. Siz 6 dyuymdan sal kattaroq o'lchamdagi ekranda hech narsani ko'ra olmaysiz.
- Kursdagi ba'zi narsalar bir necha marta chaynaladi, lekin shu bilan birga, konvolyutsion tarmoqlardagi haqiqatan ham zarur narsalar kursda chaynalmaydi. Men hali ham ba'zi mashqlarning umumiy maqsadini tushunmadim (masalan, Maks Pooling nima uchun).
Xulosa
Albatta, siz allaqachon mo''jiza sodir bo'lmaganini taxmin qilgansiz. Va bu qisqa kursni tugatgandan so'ng, neyron tarmoqlar qanday ishlashini haqiqatan ham tushunish mumkin emas.
Albatta, bundan keyin men o'z muammomni o'z-o'zidan hal qila olmadim, o'tish moslamalaridagi kalitlar va tugmalar fotosuratlarini tasniflash.
Ammo umuman olganda, kurs foydali. Bu TensorFlow bilan nima qilish mumkinligini va keyingi yo'nalishni ko'rsatadi.
Men birinchi navbatda Python asoslarini o'rganishim va neyron tarmoqlar qanday ishlashi haqida rus tilidagi kitoblarni o'qishim kerak, keyin TensorFlow bilan shug'ullanishim kerak deb o'ylayman.
Xulosa qilib aytganda, meni Habr haqidagi birinchi maqolani yozishga undagan va uni formatlashda yordam bergan do'stlarimga rahmat aytmoqchiman.
PS Sizning sharhlaringizni va har qanday konstruktiv tanqidni ko'rishdan xursand bo'laman.
Manba: www.habr.com