introduzione
Al giorno d'oggi è disponibile una quantità enorme di risorse per l'apprendimento dei concetti di visione artificiale.. Come si fa a scegliere tra una moltitudine di tutorial?? Quanto vale la pena investire il tuo tempo?
Se queste domande suonano familiari, Siete venuti nel posto giusto. Comprendiamo il dolore e lo sforzo coinvolti nell'utilizzo di centinaia di risorse e nella scelta di quelle che valgono il tuo tempo.. Questo è uno dei motivi principali per cui abbiamo lanciato i percorsi di apprendimento in primo luogo..
Fino all'anno scorso, ci concentriamo ampiamente su due percorsi: aprendizaje automático y apprendimento profondoApprendimento profondo, Una sottodisciplina dell'intelligenza artificiale, si affida a reti neurali artificiali per analizzare ed elaborare grandi volumi di dati. Questa tecnica consente alle macchine di apprendere modelli ed eseguire compiti complessi, come il riconoscimento vocale e la visione artificiale. La sua capacità di migliorare continuamente man mano che vengono forniti più dati lo rende uno strumento chiave in vari settori, dalla salute.... Ma la nostra comunità voleva strade più granulari; volevano anche un percorso di apprendimento strutturato per la visione artificiale.
Ed è comprensibile. La domanda e il valore di un esperto di visione artificiale sono molto alti nel settore. Specializzati in computer vision e le sue diverse sfaccettature, e vedrai un sacco di reclutatori che cercano di metterti le mani addosso.
Ricordo quando ho iniziato il mio viaggio nella visione artificiale. Mi riferivo a più risorse contemporaneamente: libri, articoli (di cui non ce n'erano molti a quel tempo), video di Youtube, tra l'altro. È stato un percorso sparso per padroneggiare la visione artificiale.
Perciò, Mi ha fatto piacere avere l'opportunità di mettere insieme questo percorso di apprendimento strutturato sulla visione artificiale per te. Prima di approfondire, Comprendiamo il framework che ho creato per semplificare il tuo percorso di apprendimento.
La nostra struttura per il percorso di apprendimento della visione artificiale
Ogni mese ha anche una struttura. Ecco come abbiamo classificato i diversi aspetti che dovresti sapere per ogni mese:
- obbiettivo: Cosa imparerai in quel mese? Quali sono i risultati chiave? Come progredirà il tuo viaggio nella visione artificiale?? Lo menzioniamo all'inizio di ogni mese per assicurarci che tu sappia dove sei e dove sarai alla fine di quel particolare mese..
- Orario suggerito: Quanto tempo in media dovrei dedicare a quella sezione a settimana
- Risorse per imparare: Una raccolta delle migliori risorse per gli argomenti di visione artificiale che imparerai in quel mese. Questo include articoli, tutorial, video, documenti di ricerca e altre risorse simili.
Puoi scaricare l'infografica corrispondente di questo percorso di apprendimento. qui.
Alla ricerca di altri percorsi di apprendimento nella scienza dei dati? Non preoccuparti, l'abbiamo coperto:
Mio 1 – Coprendo le basi: Python e le statistiche
obbiettivo: Alla fine del primo mese, avere una conoscenza di base di cos'è la visione artificiale. Sarai anche a tuo agio con Python e Statistics, entrambi i temi centrali nel tuo viaggio nella visione artificiale.
Orario suggerito: 5-6 ore per settimana
Introduzione e motivazione per la visione artificiale: Tutorial SAS e visione artificiale: cos'è e perché è importante.
Requisiti precedenti:
Mio 2 – Risolvere un problema Problema di classificazione delle immagini utilizzando l'apprendimento automatico
obbiettivo: Avere una conoscenza di base dell'apprendimento automatico. Dovresti essere a tuo agio con diverse tecniche di pre-elaborazione delle immagini e sarai in grado di risolvere i problemi di classificazione delle immagini utilizzando modelli di apprendimento automatico.
Orario suggerito: 5-6 ore per settimana
Nozioni di base sull'apprendimento automatico:
Pre-elaborazione delle immagini:
Classificazione delle immagini mediante l'apprendimento automatico:
Progetto: Identificare i capi
Mio 3 – Introduzione a Keras e alle reti neurali
obbiettivo: Imparerai uno degli strumenti di deep learning più utilizzati: Duro. Capirai anche cosa sono le reti neurali e come funzionano. A fine marzo, essere in grado di risolvere problemi di classificazione delle immagini utilizzando le reti neurali.
Orario suggerito: 4-5 ore per settimana
Mettiti a tuo agio con Keras:
Introduzione alle reti neurali:
- Reti neurali di 3Blue1Brown:
Progetto: Identificare i capi
Mio 4: comprendere le reti neurali convoluzionali (CNN), trasferimento di apprendimento e creazione del tuo profilo
obbiettivo: Mi piace chiamarlo il mese “in movimento” nel tuo viaggio nella visione artificiale. È qui che le cose salgono di livello con l'introduzione alle reti neurali convoluzionali. (CNN). Queste CNN sono alla base di molte delle recenti applicazioni di visione artificiale che vediamo intorno a noi., compreso il rilevamento di oggetti. A questo punto del tuo viaggio, dovresti anche iniziare a costruire il tuo profilo partecipando a concorsi.
Orario suggerito: 6-7 ore per settimana
Introduzione alle reti neurali convoluzionali (CNN):
Introducción al aprendizaje transferidoEl aprendizaje transferido se refiere a la capacidad de aplicar conocimientos y habilidades adquiridos en un contexto a otro diferente. Este fenómeno es fundamental en la educación, ya que facilita la adaptación y resolución de problemas en diversas situaciones. Para optimizar el aprendizaje transferido, es importante fomentar conexiones entre los contenidos y promover la práctica en entornos variados, lo que contribuye al desarrollo de competencias transferibles....:
Progetto: Identificare le cifre
Costruisci il tuo profilo: partecipare a concorsi:
Mio 5: risoluzione dei problemi di rilevamento degli oggetti
obbiettivo: Il rilevamento degli oggetti è una tecnica di visione artificiale ampiamente utilizzata (forse IL più usato). Questo è ciò che mi ha portato alla visione artificiale in primo luogo!! Questo mese si tratta di acquisire familiarità con i diversi algoritmi di rilevamento degli oggetti. Cosa c'è di più, Consiglio vivamente di scrivere articoli sui concetti che hai imparato finora.
Orario suggerito: 6-7 ore per settimana
Risoluzione dei problemi di rilevamento degli oggetti:
Progetto:
Inizia a scrivere articoli per interagire con la community, costruisci il tuo profilo e consolida la tua comprensione degli argomenti.
Mio 6: Comprensione della segmentazione dell'immagine e dei modelli di attenzione
obbiettivo: Nel mese di giugno, aprenderá a resolver problemas de segmentazioneLa segmentazione è una tecnica di marketing chiave che comporta la divisione di un ampio mercato in gruppi più piccoli e omogenei. Questa pratica consente alle aziende di adattare le proprie strategie e i propri messaggi alle caratteristiche specifiche di ciascun segmento, migliorando così l'efficacia delle tue campagne. Il targeting può essere basato su criteri demografici, psicografico, geografico o comportamentale, facilitando una comunicazione più pertinente e personalizzata con il pubblico di destinazione.... di immagini. Capirai anche quali sono i modelli di cura (sia teorico che pratico). È qui che la tua profonda immersione nella visione artificiale inizia davvero a dare i suoi frutti..
Orario suggerito: 6-7 ore per settimana
Introduzione alla segmentazione delle immagini:
Progetto: Sfida sulla segmentazione COCO
Modelli di cura:
Mio 7: Esplora gli strumenti di deep learning
obbiettivo: Un mese di apprendimento davvero divertente!! Finora abbiamo trattato molti concetti di visione artificiale, Ora è il momento di mettersi al lavoro con i framework di deep learning di nuova generazione!! Questo si riduce alla scelta, ma ti consigliamo i due più comuni nel settore in questo momento: PyTorch e TensorFlow. Cerca di implementare tutti i concetti che hai trattato finora in uno di questi strumenti.
Orario suggerito: 6-7 ore per settimana
PyTorch:
TensorFlow:
Mio 8 – Comprendere le basi della PNL e delle didascalie delle immagini
obbiettivo: Qui inizia la tua specializzazione. Qui hai l'opportunità di combinare la tua conoscenza del deep learning con i concetti di elaborazione del linguaggio naturale. (PNL) per risolvere i progetti di didascalia delle immagini.
Orario suggerito: 6-7 ore per settimana
Nozioni di base sull'elaborazione del linguaggio naturale (PNL):
- Intarsi di parole Stanford:
- Introduzione alle reti neurali ricorrenti (RNN):
Comprensione delle didascalie per le immagini
Progetto: COCO Caption Challenge
Mio 9 – Acquisire familiarità con le reti avversarie generative (GAN)
obbiettivo: Nel mese di settembre, comprendere le reti avversarie generative (GAN). I GAN sono saliti alle stelle da quando Ian Goodfellow li ha presentati ufficialmente a 2014. Ci sono molte applicazioni GAN nel mondo reale in questi giorni, compresa la pittura, imaging, eccetera.
Orario suggerito: 6-7 ore per settimana
Comprendere le reti generative conflittuali (GAN):
- Reti generative di confronto (GAN) di Ian Goodfellow:
Mio 10: Introduzione all'analisi video
obbiettivo: L'analisi video è una fiorente applicazione della visione artificiale. La domanda per questa abilità aumenterà solo di 2020 (e oltre), quindi è una buona idea avere almeno una conoscenza pratica di come lavorare con i set di dati video.
Orario suggerito: 5-6 ore per settimana
Introducción a la analiticoL'analisi si riferisce al processo di raccolta, Misura e analizza i dati per ottenere informazioni preziose che facilitano il processo decisionale. In vari campi, come business, Salute e sport, L'analisi può identificare modelli e tendenze, Ottimizza i processi e migliora i risultati. L'utilizzo di strumenti avanzati e tecniche statistiche è fondamentale per trasformare i dati in conoscenze applicabili e strategiche.... di video:
Mesi 11 e 12 – Risolvere progetti e costruire il tuo profilo
obbiettivo: Gli ultimi due mesi riguardano l'acquisizione di esperienza pratica e la partecipazione a più progetti e concorsi. Finora abbiamo trattato progetti insieme a concetti di apprendimento; ora è il momento di liberare il tuo apprendimento su set di dati del mondo reale.
Orario suggerito: 5-6 ore per settimana
Infografica – Percorso di apprendimento della visione artificiale per 2020
Hacer un seguimiento de su progreso a misuraIl "misura" È un concetto fondamentale in diverse discipline, che si riferisce al processo di quantificazione delle caratteristiche o delle grandezze degli oggetti, fenomeni o situazioni. In matematica, Utilizzato per determinare le lunghezze, Aree e volumi, mentre nelle scienze sociali può riferirsi alla valutazione di variabili qualitative e quantitative. L'accuratezza della misurazione è fondamentale per ottenere risultati affidabili e validi in qualsiasi ricerca o applicazione pratica.... que aprende cosas nuevas es clave para un proceso de aprendizaje estructurado. Mi piace tenere una lista di controllo mentre imparo., spuntando le cose man mano che mi addentro nel dominio. E quale lista di controllo migliore di una illustrata con una ripartizione mese per mese di questo percorso di apprendimento della visione artificiale?? qui hai:
