За счет бесчисленных зерен эспрессо я горжусь тем, что выпускаю 18 часов совершенно новых видеоуроков, знакомящих со всем глубоким обучением, включая то, что такое глубокие нейронные сети и все их основные приложения: для машинного зрения, естественного языка обработки, художественного творчества и принятия сложных решений.
Все предыдущие видеоуроки, которые я выпустил, получили повсеместные пятизвездочные оценки от пользователей платформы онлайн-обучения O'Reilly, но я уверен, что качество этих новых видео заметно улучшится по сравнению с любыми предыдущими. те.
В серии три набора видеоуроков:
- Одноименный Глубокое обучение с TensorFlow, Keras и PyTorch (выпущен в феврале 2020 г.)
- Глубокое обучение для обработки естественного языка, 2-е изд. (февраль 2020 г.)
- Машинное зрение, GAN и глубокое обучение с подкреплением (апрель 2020 г.)
В целом эта серия полностью соответствует содержанию моей книги Deep Learning Illustrated. Это означает, что видео представляет все возможности глубокого обучения:
- Что такое глубокие нейронные сети и как они работают, как с математической точки зрения, так и с использованием самых популярных библиотек кода.
- Машинное зрение, в первую очередь сверточные нейронные сети.
- Обработка естественного языка, в том числе с помощью рекуррентных нейронных сетей.
- Художественное творчество с генеративно-состязательными сетями (GAN)
- Сложное последовательное принятие решений с глубоким обучением с подкреплением
Эти видеоуроки также содержат дополнительный контент, которого нет в книге, например:
- Подробные интерактивные примеры обучения и тестирования моделей глубокого обучения в PyTorch.
- Как генерировать новые последовательности естественного языка в стиле ваших обучающих данных
- Высокоуровневое обсуждение моделей обработки естественного языка на основе преобразователей, таких как BERT, ELMo и GPT-2.
- Подробные интерактивные примеры обучения продвинутых моделей машинного зрения (сегментация изображений, обнаружение объектов)
- Все практические демонстрации кода с использованием TensorFlow или Keras были обновлены до TensorFlow 2.
Краткое содержание урока со ссылками на Jupyter Notebooks
С этими видео связаны десятки тщательно созданных блокнотов кода Jupyter. Все их можно найти в этой директории GitHub. Ниже приводится разбивка уроков, описанных в видео, включая их продолжительность и соответствующие блокноты.
Глубокое обучение с TensorFlow, Keras и PyTorch
- Общее время работы семь часов и 13 минут.
Урок 1. Введение в глубокое обучение и искусственный интеллект (1 час 47 мин.)
Урок 2. Как работает глубокое обучение (2 часа 16 мин.)
- Сигмовидная функция
- Демо Софтмакс
- Квадратичная стоимость
- Кросс-энтропийная стоимость
- Промежуточная сеть в TensorFlow
Урок 3. Высокопроизводительные сети глубокого обучения (1 час 16 мин.)
- Инициализация веса
- Измерение скорости обучения
- Глубокая сеть в TensorFlow
- Регрессия в TensorFlow
- Регрессия с TensorBoard
Урок 4. Сверточные нейронные сети (47 мин.)
Урок 5. Развитие собственных проектов глубокого обучения (1 час 4 мин.)
Глубокое обучение для обработки естественного языка
- Общее время работы пять часов
Урок 1. Сила и элегантность глубокого обучения для НЛП (46 мин.)
Урок 2. Векторы слов (1 час 7 мин.)
Урок 3. Моделирование данных на естественном языке (1 час 43 мин.)
- Предобработка естественного языка
- Классификация документов с помощью плотной нейронной сети
- Классификация с помощью сверточной нейронной сети
Урок 4. Рекуррентные нейронные сети (25 мин.)
Урок 5. Расширенные модели (54 мин.)
- Двунаправленный LSTM
- Сложенный Би-ЛСТМ
- Свёрточный стек LSTM
- Генерация последовательности
- Функциональный API Кераса
Машинное зрение, GAN и глубокое обучение с подкреплением
- Общее время работы шесть часов и шесть минут
Урок 1. Ориентация (35 мин.)
Урок 2. Сверточные нейронные сети для машинного зрения (2 часа 2 минуты)
Урок 3. Генеративно-состязательные сети для творчества (1 час 22 мин.)
Урок 4. Глубокое обучение с подкреплением (38 мин.)
Урок 5: Глубокое Q-обучение и не только (1 час 25 мин.)
Джон Крон (Jon Krohn) — главный специалист по анализу данных в компании по машинному обучению untapt. Он является автором книги Deep Learning Illustrated в 2019 году, которая мгновенно стала бестселлером №1 и была переведена на шесть языков. Джон известен своими убедительными лекциями, которые он читает лично в Колумбийском университете, Нью-Йоркском университете и Нью-Йоркской академии наук о данных, а также онлайн через O'Reilly, YouTube и его подкаст, искусственная нейронная сеть New Network. . Джон имеет докторскую степень в области нейробиологии, полученную в Оксфорде, и с 2010 года публикует статьи о машинном обучении в ведущих научных журналах.