Моя первая серия видеоуроков - Deep Learning with TensorFlow - должна быть выпущена на платформе Safari в августе. Эти видео будут в основном состоять из пошаговых руководств по коду (записные книжки доступны бесплатно на GitHub сегодня) дополнены досками, заполненными необходимой теорией глубокого обучения и иллюстративными слайдами.

В течение пяти часов «арсенал» инструментов, доступных зрителю, постепенно увеличивается, облегчая интуитивное понимание глубокого обучения по частям. Начиная с примера кода для простых нейронных сетей в TensorFlow (и его высокоуровневом API Keras), к концу LiveLessons мы разрабатываем современные архитектуры глубокого обучения, аналогичные тем, которые лежат в основе большей части спектра современного «машинного интеллекта» - будь то беспилотные автомобили, распознавание голоса или сокрушение людей в игре го.

Ниже приводится краткое изложение тем, рассмотренных на пяти уроках (полная разбивка подробно в моем репозитории GitHub).

Урок первый: введение в глубокое обучение

  • объясняет, что такое глубокое обучение, а также его корни в исследованиях искусственных нейронных сетей.
  • подробности, как запустить демонстрацию кода на вашем собственном компьютере
  • запачкает руки простейшей неглубокой нейронной сетью для распознавания образов рукописных цифр

Урок второй: как работает глубокое обучение

  • рассказывает о функциях и популярных приложениях преобладающих современных семейств глубоких нейронных сетей
  • охватывает основную теорию глубокого обучения с интуитивно понятными графическими пояснениями
  • обсуждает известные наборы данных для глубокого обучения и способы сбора соответствующих данных.
  • применяет недавно изученную теорию для построения многослойных нейронных сетей

Урок третий: сверточные сети

  • дополняет теорию, рассмотренную во втором уроке, для построения глубоких и плотных нейронных сетей.
  • вводит «сверточные слои», которые преобладают в области машинного зрения и в других местах.
  • проходит по коду классических примеров глубоких сетей, специализирующихся на визуальном распознавании (а именно LeNet-5, AlexNet и VGGNet)

Урок четвертый: знакомство с TensorFlow

  • в более ранних примерах кода используется Keras, высокоуровневый API для построения глубоких сетей в TensorFlow; в этом уроке мы углубимся в собственно TensorFlow
  • знакомит с терминологией TensorFlow при просмотре простого кода TensorFlow, включая фундаментальные математические операции и способы концептуализации искусственных нейронов
  • решает как простые задачи машинного обучения (подгонка линии к точкам), так и сложные (классификация изображений с глубоким обучением)

Урок пятый: улучшение глубоких сетей

  • описывает конкретную процедуру повышения производительности глубоких нейронных сетей.
  • обсуждает шаги для представления, выполнения и оценки вашего собственного проекта глубокого обучения.
  • предоставляет ресурсы для дальнейшего самообучения

Надеюсь, вы получите столько же удовольствия, работая с этими LiveLessons, как и я, создавая их!

Спасибо всем в untapt за поддержку этого проекта, но особенно ее генеральному директору, любящему нейронные сети, Эду Доннеру и команде инженеров - Эндрю Влахутину, Джейку Зерреру и Сэму Кенни. Спасибо также всем, кто работает в Исследовательской группе глубокого обучения; Эти LiveLessons во многом связаны с нашими насыщенными обсуждениями. Особая благодарность Гранту Бейлевельду, Карлу Хабермасу, В. Т. Раджану, Ингрид Спилман, Раффи Сапире, Майклу Гриффитсу и Дипешу Сингху из группы, которые предоставили ключевые отзывы о материале. Особая благодарность команде Pearson (Дебра Уильямс, Крис Зан) за полезные советы и поддержку. И, конечно же - спасибо моей неизменно поддерживающей семье за ​​то, что они терпели меня!