在我的整個成年生活中，我一直在喝能量飲料（不，現在我們不是在談論具有可疑特性的飲料）。
我從來都對資訊科技的世界沒有特別的興趣，我甚至連在一張紙上做矩陣乘法都做不到。 我從來不需要這個，這樣你就可以了解一些我工作的細節，我可以分享一個精彩的故事。 有一次，我請同事們用Excel 電子表格做這項工作，半個工作日過去了，我走到他們面前，他們正坐在計算器上總結數據，是的，在一個帶有按鈕的普通黑色計算機上。 那麼，接下來我們可以談論什麼樣的神經網路呢？...因此，我從來沒有任何特殊的先決條件讓自己沉浸在 IT 世界中。 但是，正如他們所說，“我們不在的地方很好”，我的朋友們在我耳邊嗡嗡地談論擴增實境、神經網路、程式語言（主要是 Python）。
從文字上看，它看起來很簡單，我決定為什麼不掌握這門神奇的藝術，以便將其應用到我的活動領域。
在本文中，我將跳過掌握 Python 基礎知識的嘗試，並與您分享我對 Udacity 免費 TensorFlow 課程的印象。
介紹
首先，值得注意的是，在能源行業工作了11 年之後，當你知道並且能夠做所有事情，甚至更多一點（根據你的職責）時，學習全新的東西- 一方面會引起極大的熱情，但另一方面 - 變成了身體上的疼痛“我腦子裡的齒輪”。
我仍然沒有完全理解程式設計和機器學習的所有基本概念，所以你不應該對我評價太嚴厲。 我希望我的文章對於像我這樣遠離軟體開發的人來說會有趣且有用。
在繼續課程概述之前，我想說的是，要學習它，您至少需要具備最基本的 Python 知識。 你可以讀幾本傻瓜書（我也開始學習 Stepic 課程，但還沒有完全掌握）。
TensorFlow 課程本身不會包含複雜的結構，但有必要了解為什麼要匯入庫、如何定義函數以及為什麼要替換某些內容。
為什麼選擇 TensorFlow 和 Udacity？
我訓練的主要目標是希望使用神經網路識別電氣安裝元件的照片。
我選擇 TensorFlow 是因為我從朋友那裡聽說了它。 據我了解，這門課很受歡迎。
我嘗試向官方開始學習 .
然後我遇到了兩個問題。
- 教育材料很多，而且種類繁多。 對我來說，至少創建一個或多或少完整的解決圖像識別問題的圖片是非常困難的。
- 我需要的大部分文章還沒有翻譯成俄語。 碰巧的是，我小時候學過德語，而現在，像許多蘇聯孩子一樣，我既不懂德語，也不懂英語。 當然，在我的成年生活中，我一直試圖掌握英語，但結果就像圖片中的那樣。
在瀏覽了官方網站後，我發現了一些推薦 .
據我了解，Coursera上的課程是付費的，而且課程 可以「免費，即免費」通過。
課程內容
該課程由 9 節課組成。
第一部分是介紹性的，他們會告訴您原則上為什麼需要它。
第二課是我最喜歡的。 它非常簡單易懂，也展示了科學的奇蹟。 總之，在本課中，除了有關神經網路的基本資訊之外，創作者還示範如何使用單層神經網路來解決將溫度從華氏度轉換為攝氏度的問題。
這確實是一個非常明顯的例子。 我仍然坐在這裡思考如何提出並解決類似的問題，但僅限於電工。
不幸的是，我進一步陷入困境，因為用陌生的語言學習難以理解的東西是相當困難的。 拯救我的是我在哈布雷身上發現的東西 .
翻譯的品質很高，Colab筆記本也翻譯了，所以我然後看了原文和翻譯。
事實上，第 3 課是根據 TensorFlow 官方教程中的材料改編的。 在本教程中，我們使用多層神經網路來學習如何對衣服圖片（時尚 MNIST 資料集）進行分類。
第 4 課到第 7 課也是本教學的改編版。 但由於它們的排列是正確的，因此無需自己了解學習的順序。 在這些課程中，我們將簡要介紹超精密神經網絡，如何提高訓練的準確性並保存模型。 同時，我們將同時解決影像中貓和狗的分類問題。
第8課是一門完全獨立的課程，有不同的老師，而且課程本身相當廣泛。 本課是關於時間序列的。 由於我還沒興趣，所以我斜著掃了一眼。
本課程以第 9 課結束，邀請您參加有關 TensorFlow lite 的免費課程。
你喜歡和不喜歡什麼
我將從優點開始：
- 課程免費
- 課程是關於TensorFlow 2的。我看到的一些教材和網上的一些課程都是關於TensorFlow 1的。我不知道是否有很大的區別，但是學習當前版本很好。
- 影片中的老師並不煩人（儘管在俄語版本中，他們閱讀起來不像原版那麼愉快）
- 課程不需要太多時間
- 該課程不會讓您感到悲傷或絕望。 課程中的任務很簡單，如果有不清楚的地方，總是會有 Colab 形式的提示和正確的解決方案（並且有一半的任務對我來說不清楚）
- 無需安裝任何東西，課程的所有實驗工作都可以在瀏覽器中完成
現在的缺點：
- 實際上沒有對照材料。 沒有測試，沒有任務，沒有任何東西可以以某種方式檢查課程的掌握情況
- 並非我所有的記事本都能正常運作。 我認為在英語 Colab 原始課程的第三課中拋出了一個錯誤，我不知道該如何處理它
- 方便只在電腦上觀看。 也許我沒有完全理解它，但我在智慧型手機上找不到 Udacity 應用程式。 而且行動版的網站不是響應式的，也就是說，幾乎整個螢幕區域都被導航選單佔據，但要看到主要內容則需要向右捲動到檢視區域之外。 另外，該影片無法在手機上觀看。 在 6 英寸多一點的螢幕上，您實際上看不到任何內容。
- 課程中有些東西被咀嚼了好幾次，但同時，關於卷積網絡本身真正必要的東西並沒有在課程中被咀嚼。 我仍然不明白一些練習的整體目的（例如，Max Pooling 的用途）。
總結
你一定已經猜到奇蹟並沒有發生。 而完成這個短期課程後，就不可能真正理解神經網路是如何運作的。
當然，此後我無法透過對開關設備中開關和按鈕的照片進行分類來解決我自己的問題。
但總的來說，這門課程還是很有用的。 它展示了 TensorFlow 可以做什麼以及下一步該採取什麼方向。
我想我首先需要學習 Python 的基礎知識並閱讀有關神經網路如何運作的俄語書籍，然後再學習 TensorFlow。
最後，我要感謝我的朋友們推動我寫第一篇關於 Habr 的文章並幫助我格式化它。
PS 我很高興看到您的評論和任何建設性的批評。
來源： www.habr.com