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!