Вы также заинтересованы в изучении нейронных сетей?
Это всестороннее руководство по нейронным сетям и курсу глубокого обучения, которое ведет профессор Эндрю Нг.
Вступление
Недавно, всего несколько дней назад, я прошел курс нейронных сетей и глубокого обучения, который вел профессор Эндрю Нг. Это первый курс специализации deeplearning.ai, предлагаемый на Coursera.
Отправив последнее задание по программированию этого курса, я подумал, что давайте напишем обзорный блог и поделимся важной информацией об этом курсе с онлайн-сообществом. Так что те, кто увлечены обучением и созданием интересных проектов с использованием нейронных сетей, могут извлечь пользу из этого блога!
Прежде чем начать, позвольте мне поделиться кратким обзором этого блога. Чтобы вы могли следовать своим потребностям. Я разбил информацию на 3 этапа.
Фаза 1 👉 Почему?
На этом этапе я хотел бы поделиться своей целью узнать о нейронных сетях и о важности постановки четкой цели.
Фаза 2 👉 Как?
На этом этапе я подчеркну, насколько актуальным было содержание курса, и отвечу на следующие вопросы:
- Что вы узнаете в этом курсе?
- Это теоретический или практический курс?
- Что делает этот курс интересным?
- Что необходимо для прохождения этого курса? …
Фаза 3 👉 Что?
Я прошел курс нейронных сетей и глубокого обучения, что теперь?
А теперь приступим!
Этап 1. Почему я начал изучать нейронные сети?
Ответ на этот вопрос находится на пересечении «Учиться», «Создавать» и «Поделиться». В настоящее время я занимаюсь написанием руководств, связанных с машинным обучением, и для моего следующего руководства, поскольку я думал о том, над каким проектом мне следует работать?
Я предполагаю, что, возможно, группа нейронов в моем мозгу запустила сигнал, который заставил меня искать приложения нейронных сетей. Было интересно узнать, что нейронные сети сыграли жизненно важную роль в улучшении решений проблем в области обработки естественного языка и компьютерного зрения.
Поэтому я поставил цель узнать о нейронных сетях, создать на его основе проект и поделиться им с онлайн-сообществом, написав учебник!
Очень важно иметь четкую цель, потому что даже если вы чем-то увлечены, наступает момент, когда вам не хочется ничего делать, но, по моему опыту, если вы действительно увлечены, то через некоторое время вы автоматически начнете снова работаем для достижения своей цели!
Этап 2. Насколько актуальным было содержание курса?
Краткое введение
Нейронные сети и глубокое обучение - это первый курс специализации Deep Learning, предлагаемый deeplearning.ai через Coursera. На мой взгляд, содержание курса очень эффективно разработано для тех, кто имеет базовые представления о машинном обучении и имеет опыт программирования.
Общий поток обучения выглядит так 👇
Это теоретический или практический курс?
Это полный практический курс, вы разовьете понимание и интуицию в программировании нейронных сетей, решив задачу классификации изображений!
Задания по программированию этого курса очень хорошо организованы, они позволяют лучше понять основные концепции, которые играют важную роль в производительности нейронной сети. Например, выбор функций активации, важность векторизации… и многих других задач.
Прежде чем приступить к программированию, вы сначала получите интуитивное представление о нейронной сети с помощью модели логистической регрессии, а затем, начиная с недели 3, вы разовьете интуитивное представление об общей структуре нейронной сети, реализовав функции в следующий модуль.
- Прямое распространение
- Обратное распространение
Все из SCRATCH на языке программирования Python!
Что делает этот курс интересным и уникальным?
Есть много других онлайн-курсов по нейронным сетям как на Coursera, так и на других платформах электронного обучения. На мой взгляд, следующие причины делают этот курс интересным и уникальным.
- Преподаватель курса
Этот курс ведет профессор Эндрю Нг, соучредитель Coursera и адъюнкт-профессор компьютерных наук в Стэнфордском университете. Когда дело доходит до объяснения математики, лежащей в основе моделей машинного обучения, преподавательские навыки профессора Эндрю впечатляют. - Задания по программированию
Как ученик, ориентированный на проекты, наиболее полезным и значимым для меня были задания по программированию. Задания очень хорошо структурированы с точки зрения руководства и простоты. Если у вас есть опыт программирования, то все готово! - Герои глубокого обучения
В конце каждой недели 1, 2 и 3 вы также можете посмотреть интересную беседу между профессором Эндрю и известными исследователями в области искусственного интеллекта, Джеффри Хинтон, Ян Гудфеллоу, Питер Аббил. Они делятся своими личными историями и дают советы по карьере.
Что необходимо для прохождения этого курса?
Ответ на этот вопрос зависит от того, насколько вы знакомы с процессом решения проблем с использованием машинного обучения и от опыта программирования.
На мой взгляд, 2 важных предпосылки будут играть важную роль в построении глубокого понимания математических уравнений, лежащих в основе алгоритмов, таких как уравнения в функции стоимости, градиентный спуск и т. Д.
- Курс машинного обучения, предлагаемый Стэнфордом
Этот курс также преподает профессор Эндрю, и мне очень повезло, что я начал свой путь к изучению машинного обучения с этого курс. Этот курс также является практическим и представляет собой широкое введение в алгоритмы машинного обучения. В этом курсе профессор Эндрю подробно объясняет каждый алгоритм в сравнении с курсом Нейронные сети и глубокое обучение.
В подкасте Лекс Фридман профессор Эндрю также сказал:
«Людям, прошедшим курс машинного обучения, будет немного проще получить специализацию deeplearning.ai»
В прошлом я также прошел курс машинного обучения и также вел блог, в котором моей целью было поделиться некоторыми уроками, которые я усвоил на протяжении всего курса.
2. Знания в области программирования
Все задания по программированию в этом курсе выполняются на языке программирования Python, поэтому, если у вас есть опыт программирования, тогда вам будет хорошо. Кстати, выучить язык программирования Python очень легко, если в прошлом вы начинали использовать язык C или C ++!
Сколько времени нужно, чтобы пройти курс?
На сайте курса говорится, что для прохождения требуется около 20 часов, теперь эта продолжительность варьируется от человека к человеку. В моем случае я смог пройти курс за 3 недели.
Теперь позвольте мне поделиться программой курса нейронной сети и глубокого обучения!
Что вы узнаете?
В частности, вы шаг за шагом научитесь создавать классификатор изображений кошек с использованием нейронной сети и сможете применять его к различным задачам классификации. Позвольте мне поделиться содержанием курса на каждую неделю.
Неделя 1. Введение в глубокое обучение
На этой неделе вы узнаете:
- Что такое нейронная сеть?
- Почему глубокое обучение набирает обороты?
- Типы нейронных сетей
- Применение нейронной сети
- Разница между структурированными и неструктурированными данными
Неделя 2: Основы нейронных сетей
На этой неделе вы научитесь настраивать задачу машинного обучения с помощью нейронной сети. Сначала вы научитесь интуитивно понимать нейронные сети, используя модель логистической регрессии, а затем постепенно переходите к продвинутым концепциям. На этой неделе вы:
- Познакомьтесь с Python и Numpy
- Узнайте о методе векторизации для реализации версии моделей, эффективных с точки зрения вычислений.
- Реализуйте важные шаги алгоритма машинного обучения, включая вычисление производной, градиентный спуск и т. Д.
- Обратите внимание на разницу между векторной и не векторизованной реализацией в Python Basic с Numpy Notebook
Недавно просто из любопытства написал учебник по векторизации.
Неделя 3: неглубокая нейронная сеть
Эта неделя посвящена математической конфигурации, игре с матрицами и изучению важных шагов в нейронных сетях. Вы будете:
- Уметь понять базовую структуру слоя нейронной сети.
- Создайте и обучите нейронную сеть с одним скрытым слоем
- Узнайте о различных функциях активации, случайной инициализации
- Примените все концепции из раздела «Назначение программирования»
Плоская классификация данных со скрытым слоем
Неделя 4: Глубокая нейронная сеть
Это последняя неделя, и после отправки последнего задания по программированию недели 3 теперь вы:
- Создание и обучение нейронной сети на глубоком L-слое
- Осознайте важность игры с размерами матрицы для проверки реализаций нейронной сети.
- Узнайте разницу между параметрами и гиперпараметрами
- Создание вспомогательных функций для реализации классификатора кошек с использованием глубокой нейронной сети.
- Обратите внимание на разницу в точности между логистической регрессией и моделью нейронной сети.
Фаза 3: Я закончил курс, что теперь?
Пришло время создать полезный Проект, используя знания, полученные в ходе этого курса, написать по нему учебное пособие и, в конечном итоге, поделиться им с онлайн-сообществом!
Руководство по проекту классификации изображений
В этом курсе я учусь создавать проект классификации изображений Cat с программированием нейронной сети на Python!
Если вы хотите создать свой собственный классификатор кошек с нуля, ознакомьтесь с руководством 👇
Заключение
Спасибо за прочтение. Я надеюсь, что это было полезно.
👍 команде по созданию контента deeplearning.ai и Coursera Response Initiative за предоставление ресурсов для бесплатного обучения во время COVID-19!
Если вы заинтересованы в изучении нейронных сетей и у вас есть какие-либо вопросы по этому курсу, не стесняйтесь обращаться к нам!
Gmail: [email protected]
Twitter: https://twitter.com/JalalMansoori19
LinkedIn: https://www.linkedin.com/in/jalal-mansoori-44584a177/
Github: https://github.com/jalalmansoori19
