Voici le parcours d'apprentissage pour maîtriser l'apprentissage en profondeur dans 2020!
introduction
Le l'apprentissage en profondeurL'apprentissage en profondeur, Une sous-discipline de l’intelligence artificielle, s’appuie sur des réseaux de neurones artificiels pour analyser et traiter de grands volumes de données. Cette technique permet aux machines d’apprendre des motifs et d’effectuer des tâches complexes, comme la reconnaissance vocale et la vision par ordinateur. Sa capacité à s’améliorer continuellement au fur et à mesure que de nouvelles données lui sont fournies en fait un outil clé dans diverses industries, de la santé..., un sujet de premier plan dans le domaine de l'intelligence artificielle, est sous les feux de la rampe depuis un certain temps. Il est particulièrement connu pour ses avancées dans des domaines tels que la vision par ordinateur et les jeux. (Alpha GO), dépassement des capacités humaines. Depuis la dernière enquête, il y a eu une augmentation drastique des tendances. (cliquez ici pour voir le sondage)
C'est ce que nous montrent les tendances de Google:
Si le sujet vous intéresse, ici vous avez un excellent introduction non technique. Si vous souhaitez connaître les tendances récentes, ici vous avez un super compilation.
Ici, nous visons à fournir un parcours d'apprentissage pour tous ceux qui sont nouveaux dans l'apprentissage en profondeur et aussi pour ceux qui souhaitent l'explorer davantage.. Ensuite, Êtes-vous prêt à vous lancer dans la conquête de l'apprentissage en profondeur? Allons-y!
Paso 0: exigences précédentes
Il est recommandé qu'avant de se lancer dans l'apprentissage en profondeur, apprendre les bases de l'apprentissage automatique. Le Machine Learning Path est une ressource complète pour se lancer sur le terrain.
Si vous voulez une version plus courte, C'est ici:
Chronologie : Suggéré: 2-6 mois
Paso 1: configurer votre appareil
Avant de passer à l'étape suivante, assurez-vous d'avoir le matériel compatible. Comme d'habitude, il est recommandé d'avoir au moins
- Un assez bon GPU (4+ FR), de préférence Nvidia
- Un CPU en bon état (par exemple, Intel Core i3 est ok, Intel Pentium n'est peut-être pas)
- 4 Go de RAM ou selon l'ensemble de données.
Si vous n'êtes toujours pas sûr, vérifie ça guide du matériel.
PD: Si vous êtes un hardcore gamer (Pas seulement les moulins à bonbons évidemment!), Il est possible que vous ayez déjà le matériel nécessaire.
Si vous n'avez pas les spécifications requises, vous pouvez l'acheter ou louer un Webservice Amazon Exemple. Voici un bon guide d'utilisation AWS pour l'apprentissage en profondeur.
Noter: N'installez aucune bibliothèque d'apprentissage en profondeur à ce stade, le faire par étape 3.
Paso 2: une plongée peu profonde
Maintenant que vous avez une assez bonne compréhension des prérequis, Vous devez approfondir votre compréhension du Deep Learning.
Selon votre préférence, Vous pouvez suivre:
Avec les exigences précédentes, vous devez connaître les bibliothèques d'apprentissage en profondeur populaires et les langages pour les exécuter. Voici une liste (Incomplet) (voir la page wiki pour plus Liste complète):
Certaines autres bibliothèques notables incluent Moka, néon, H2O, MXNet, Dur, Lasagne, Ne pas apprendre. Voici une liste de Bibliothèques d'apprentissage en profondeur par langue.
Vérifier Conférence 12 par le cours CS231n de Stanford pour un bref aperçu de certaines des bibliothèques populaires.
Chronologie : 1-3 semaines suggérées
Paso 3: Choisissez votre propre aventure!
Vient maintenant la partie intéressante! Deep Learning a été appliqué dans divers domaines avec des résultats de pointe. Pour tester ce côté de la lune, toi, le lecteur, vous pouvez choisir le chemin à suivre. Cela devrait être une expérience pratique, pour que vous ayez une bonne base sur ce que vous avez compris jusqu'à présent.
Noter: Chaque itinéraire contient un blog de base, un projet pratique, la bibliothèque de deep learning nécessaire au projet et un cours d'assistance. Vérifiez d'abord l'apprêt, puis installez les bibliothèques requises et poursuivez le projet. Si vous rencontrez des difficultés sur le chemin, utiliser le cours associé pour le sauvegarder.
- Apprentissage profond pour la vision artificielle
- Apprentissage profond pour le traitement du langage naturel
- Apprentissage profond pour la voix / l'audio
- Apprentissage profond pour l'apprentissage par renforcement
Chronologie : 1-2 mois suggérés
Paso 4: approfondir l'apprentissage en profondeur
Maintenant ça (presque) prêt à faire une brèche dans le Deep Learning Hall of Fame! La route à parcourir est longue et profonde (jeu de mots) et surtout inexploré. A vous maintenant d'utiliser au mieux cette compétence nouvellement acquise.. Voici quelques conseils à suivre pour parfaire vos compétences.
Chronologie : Suggéré – Infini!
Des ressources remarquables
Remarques finales
J'espère que ce parcours d'apprentissage vous a été utile. j'ai essayé de le rendre le plus complet possible. Il est maintenant temps pour vous de pratiquer et de lire autant que vous le pouvez. Pour acquérir une expérience de travail dans les réseaux de neurones, essayez notre problème de pratique d'apprentissage en profondeur: Identifier les chiffres.
Une fois que vous avez compris le deep learning et ses concepts associés, faire le Test de compétences d'apprentissage en profondeur. Il est essentiel de vous familiariser avec la façon dont le deep learning obtient l'accréditation.
Bonne chance! Avez-vous aimé lire ce post? Suivez-vous une approche / emballer / bibliothèque différente pour commencer avec Deep Learning? J'aimerais interagir avec vous dans les commentaires..
