Машинное обучение представляет собой новую парадигму программирования, в которой вместо программирования явных правил на таком языке, как Java или C++, вы создаете систему, которая обучается на данных для вывода правил. Вот почему мы решили создать серию статей о том, как научиться машинному обучению от нуля до героя!
Введение в машинное обучение. Машинное обучение представляет собой новую парадигму в программировании, где вместо программирования явных правил на таких языках, как Java или C++, вы строите систему, которая обучается на данных для вывода правил. Но как на самом деле выглядит ML? В первой части Learn Machine Learning Zero to Hero AIадвокат Лоуренс Морони (lmoroney@) рассматривает базовый пример Hello World созданиемодели машинного обучения, введение идей, которые мы применим в следующих эпизодах к более интересной проблеме: компьютерное зрение.
Попробуйте этот код для себя в Hello World of Machine Learning: https://goo.gle/2Zp2ZF3.
Основы компьютерного зрения с помощью машинного обучения. Во второй части книги Изучите машинное обучение от нуля до героя защитник ИИ Лоуренс Морони (lmoroney@) рассказывает об основах компьютерного зрения с помощью машинного обучения научив компьютер видеть и распознавать различные объекты.
Помимо Hello World, Пример компьютерного зрения: https://goo.gle/34cHkDk
Введение в сверточные нейронные сети. В третьей части Learn Machine Learning Zero to Hero защитник ИИ Лоуренс Морони (lmoroney@) обсуждает сверточные нейронные сети. » и почему они так эффективны в сценариях компьютерного зрения. Свертка — это фильтр, который проходит через изображение, обрабатывает его и извлекает функции, которые показывают общность изображения. В этом видео вы увидите, как они работают, обработав изображение, чтобы увидеть, сможете ли вы извлечь из него функции!
Codelab: Введение в свертки → http://bit.ly/2lGoC5f
Создание классификатора изображений. В четвертой части Learn Machine Learning Zero to Hero защитник ИИ Лоуренс Морони (lmoroney@) обсуждает создание классификатора изображений. em> для камня, ножниц и бумаги. В первом эпизоде мы показали сценарий камня, ножниц и бумаги; и обсудили, насколько сложно написать код для их обнаружения и классификации. По мере того, как эпизоды переходили в раздел Машинное обучение, мы научились создавать нейронные сети, начиная с обнаружения шаблонов в необработанных пикселях и заканчивая их классификацией. для обнаружения признаков с помощью сверток. В этом выпуске мы собрали всю информацию из первых трех частей сериала в одну.
Блокнот Colab: http://bit.ly/2lXXdw5
Камень, ножницы, бумага, набор данных: http://bit.ly/2kbV92O
Спасибо, что прочитали ❤
Если вам понравился этот пост, поделитесь им со всеми своими друзьями-программистами!
