在我的整个成年生活中，我一直在喝能量饮料（不，现在我们不是在谈论具有可疑特性的饮料）。
我从来都对信息技术的世界没有特别的兴趣，我什至连在一张纸上做矩阵乘法都做不到。 我从来不需要这个，这样你就可以了解一些我工作的细节，我可以分享一个精彩的故事。 有一次，我让同事们用 Excel 电子表格做这项工作，半个工作日过去了，我走到他们面前，他们正坐在计算器上总结数据，是的，在一个带有按钮的普通黑色计算器上。 那么，接下来我们可以谈论什么样的神经网络呢？...因此，我从来没有任何特殊的先决条件让自己沉浸在 IT 世界中。 但是，正如他们所说，“我们不在的地方很好”，我的朋友们在我耳边嗡嗡地谈论增强现实、神经网络、编程语言（主要是 Python）。
从文字上看，它看起来很简单，我决定为什么不掌握这门神奇的艺术，以便将其应用到我的活动领域。
在本文中，我将跳过掌握 Python 基础知识的尝试，并与您分享我对 Udacity 免费 TensorFlow 课程的印象。
介绍
首先，值得注意的是，在能源行业工作了 11 年之后，当你知道并且能够做所有事情，甚至更多一点（根据你的职责）时，学习全新的东西 - 一方面会引起极大的热情，但另一方面 - 变成了身体上的疼痛“我脑子里的齿轮”。
我仍然没有完全理解编程和机器学习的所有基本概念，所以你不应该对我评价太严厉。 我希望我的文章对于像我这样远离软件开发的人来说会有趣且有用。
在继续课程概述之前，我想说的是，要学习它，您至少需要具备最基本的 Python 知识。 你可以读几本傻瓜书（我也开始学习 Stepic 课程，但还没有完全掌握）。
TensorFlow 课程本身不会包含复杂的结构，但有必要了解为什么要导入库、如何定义函数以及为什么要替换某些内容。
为什么选择 TensorFlow 和 Udacity？
我训练的主要目标是希望使用神经网络识别电气安装元件的照片。
我选择 TensorFlow 是因为我从朋友那里听说了它。 据我了解，这门课程很受欢迎。
我尝试从官方开始学习 .
然后我遇到了两个问题。
- 教育材料有很多，而且种类繁多。 对我来说，至少创建一个或多或少完整的解决图像识别问题的图片是非常困难的。
- 我需要的大部分文章还没有翻译成俄语。 碰巧的是，我小时候学过德语，而现在，像许多苏联孩子一样，我既不懂德语，也不懂英语。 当然，在我的成年生活中，我一直试图掌握英语，但结果就像图片中的那样。
在浏览了官方网站后，我发现了一些推荐 .
据我了解，Coursera上的课程是付费的，而且课程 可以“免费，即免费”通过。
课程内容
该课程由 9 节课组成。
第一部分是介绍性的，他们会告诉您原则上为什么需要它。
第二课是我最喜欢的。 它非常简单易懂，也展示了科学的奇迹。 总之，在本课中，除了有关神经网络的基本信息之外，创作者还演示了如何使用单层神经网络来解决将温度从华氏度转换为摄氏度的问题。
这确实是一个非常明显的例子。 我仍然坐在这里思考如何提出并解决类似的问题，但仅限于电工。
不幸的是，我进一步陷入困境，因为用陌生的语言学习难以理解的东西是相当困难的。 拯救我的是我在哈布雷身上发现的东西 .
翻译的质量很高，Colab笔记本也翻译了，所以我然后看了原文和翻译。
事实上，第 3 课是根据 TensorFlow 官方教程中的材料改编的。 在本教程中，我们使用多层神经网络来学习如何对衣服图片（时尚 MNIST 数据集）进行分类。
第 4 课到第 7 课也是本教程的改编版。 但由于它们的排列是正确的，因此无需自己了解学习的顺序。 在这些课程中，我们将简要介绍超精密神经网络，如何提高训练的准确性并保存模型。 同时，我们将同时解决图像中猫和狗的分类问题。
第8课是一门完全独立的课程，有不同的老师，而且课程本身相当广泛。 本课是关于时间序列的。 由于我还没有兴趣，所以我斜着扫了一眼。
本课程以第 9 课结束，邀请您参加有关 TensorFlow lite 的免费课程。
你喜欢和不喜欢什么
我将从优点开始：
- 课程免费
- 课程是关于TensorFlow 2的。我看到的一些教材和网上的一些课程都是关于TensorFlow 1的。我不知道是否有很大的区别，但是学习当前版本很好。
- 视频中的老师并不烦人（尽管在俄语版本中，他们阅读起来不像原版那么愉快）
- 课程不需要太多时间
- 该课程不会让您感到悲伤或绝望。 课程中的任务很简单，如果有不清楚的地方，总会有 Colab 形式的提示和正确的解决方案（并且有一半的任务对我来说不清楚）
- 无需安装任何东西，课程的所有实验工作都可以在浏览器中完成
现在的缺点：
- 实际上没有对照材料。 没有测试，没有任务，没有任何东西可以以某种方式检查课程的掌握情况
- 并非我所有的记事本都能正常工作。 我认为在英语 Colab 原始课程的第三课中抛出了一个错误，我不知道该如何处理它
- 方便只在电脑上观看。 也许我没有完全理解它，但我在智能手机上找不到 Udacity 应用程序。 而且移动版网站不是响应式的，也就是说，几乎整个屏幕区域都被导航菜单占据，但要看到主要内容则需要向右滚动到查看区域之外。 另外，该视频无法在手机上观看。 在 6 英寸多一点的屏幕上，您实际上看不到任何内容。
- 课程中有些东西被咀嚼了好几次，但同时，关于卷积网络本身真正必要的东西并没有在课程中被咀嚼。 我仍然不明白一些练习的总体目的（例如，Max Pooling 的用途）。
总结
你肯定已经猜到奇迹并没有发生。 而完成这个短期课程后，就不可能真正理解神经网络是如何工作的。
当然，此后我无法通过对开关设备中开关和按钮的照片进行分类来解决我自己的问题。
但总的来说，这门课程还是很有用的。 它展示了 TensorFlow 可以做什么以及下一步该采取什么方向。
我想我首先需要学习 Python 的基础知识并阅读有关神经网络如何工作的俄语书籍，然后再学习 TensorFlow。
最后，我要感谢我的朋友们推动我写第一篇关于 Habr 的文章并帮助我格式化它。
PS 我很高兴看到您的评论和任何建设性的批评。
来源： habr.com