Введение в глубокое обучение с использованием TensorFlow

Полный курс на русском языке можно найти по этой ссылке ^[1].
Оригинальный курс на английском доступен по этой ссылке ^[2].

Выход новых лекций запланирован каждые 2-3 дня.

Кто эти люди?

Давай узнаем больше о тех, кто нам этот курс подготовили и будут его вести.

Три человека:

• Magnus Hyttsten, Developer Advocate, Google
• Juan Delgado, Content Developer, Udacity
• Paige Bailey, Developer Advocate, Google

Во-первых, кто такие developer advocates? Судя по этой статье с Хабра ^[3] это евангелисты. Кто это такие — евангелисты?

ИТ-евангелист — специалист, профессионально занимающийся пропагандой в сфере информационных технологий.

Интересно.

Изучая машинное обучение мы столкнёмся со множеством новых и различных терминов, например, такие термины как искусственный интеллект, машинное обучение, нейронные сети и глубокое обучение. Что на самом деле означают эти термины и каким образом они соотносятся друг с другом?

Ниже мы разберём каждый из этих терминов и покажем их связь между собой.

Искусственный интеллект: область компьютерных наук, которая ставит своей целью добиться развития человеко-подобного интеллекта у компьютера. Существует множество способов добиться поставленной цели, включая машинное обучение и глубокое обучение.

Машинное обучение: набор связанных техник при использовании которых компьютер тренируется выполнять определённое задание, нежели непосредственное программирование решения задачи.

Нейронные сети: конструкция (структура) в машинном обучении вдохновлённая сетями нейронов (нервными клетками) в биологическом мозге ^[4]. Нейронные сети являются фундаментальной частью глубокого обучения и будут изучены (затронуты) в этом курсе.

Глубокое обучение: под-область машинного обучения использующая многослойные нейронные сети (нейронные сети состоящие из нескольких слоёв). Часто термины «машинное обучение» и «глубокое обучение» взаимозаменяемы.

Машинное обучение и глубокое обучение так же состоят из множества под-областей, веток и уникальных техник. Один из самых значимых и известных примеров — разделение «обучения с учителем» и «обучение без учителя».

Говоря простым языком — в «обучении с учителем» вы знаете чему хотите научить компьютер, в то время как «обучение без учителя» аналогично предоставлению возможности компьютеру самому определить что может быть изучено. «Обучение с учителем» наиболее стандартный тип машинного обучения, и именно на нём мы сфокусируемся в данном курсе.

Что нам понадобится из инструментов?

Python — базовые знания (циклы, условные операторы, списки, арифметические операции и ещё некоторые базовые структуры).

При желании можно воспользоваться библиотекой TensorFlow.js на любимом языке JavaScript в браузере.

TensorFlow так же позволяет работать, через «порты»-связки, с такими языками как Swift, R и Julia. Python и JavaScript, на данный момент, обладают наиболее полной поддержкой, поэтому рекомендованы.

CoLab: площадка-песочница для наших приложений

Чтобы уменьшить количество софта, который понадобится ставить на локальную машину, по ходу всего курса мы будем использовать бесплатный сервис Google — Colab ^[5] на базе Jupyter ^[6].

… и стандартные call-to-action — подписывайся, ставь плюс и делай share :)

YouTube: https://youtube.com/channel/ashmig ^[7]
Telegram: https://t.me/ashmig ^[8]
ВКонтакте: https://vk.com/ashmig ^[9]

P.S.

Какого рода англоязычные курсы в этом направлении стоит браться переводить for public и упаковывать в материалы (текстовые + видео)? Какой формат практических заданий наиболее подходящий в этих направлениях — готовые сборки на GitHub или отрывки кода для последующего собственного сведения всех частей?

Любая обратная связь приветствуется!

Автор: Андрей Шмиг

Источник ^[10]