Jedná se o nejlepší bezplatné vzdělávací zdroje umělé inteligence online

Hluboké učení není začátečníkem přátelské téma - a to ani pro zkušené softwarové inženýry a datové vědce. Pokud jste se s tímto tématem zabývali Googlem, mohli jste být zmateni prostředky, se kterými jste se setkali.

Abychom našli ty nejlepší zdroje, zkoumali jsme inženýry na jejich oblíbených zdrojích pro hluboké učení, a to jsou to, co doporučili.

Tyto vzdělávací zdroje zahrnují online kurzy, osobní kurzy, knihy a videa. Všechny jsou zcela zdarma a jsou navrženy předními profesory, vědci a profesionály z oboru, jako jsou Geoffrey Hinton, Yoshua Bengio a Sebastian Thrun.

Strojové učení

Techniky hlubokého učení vycházejí z klasických metod strojového učení a často se s nimi kombinují. Pokud nevíte, jaký je rozdíl mezi učením pod dohledem a bez dozoru, nebo si myslíte, že „sestup sestupu“ je nějaký druh nástroje Photoshop, měli byste určitě absolvovat některý z níže uvedených kurzů, abyste se chytili.

1) Strojové učení Andrewa Ng na Stanfordské univerzitě (online kurz)

Než se Andrew Ng stal hlavním vědcem v Baidu, učil strojové učení na Stanfordu a spoluzakládal Coursera, první světovou platformu MOOC (masivně otevřený online kurz). Ngův jemný úvod do kurzu strojového učení je ideální pro inženýry, kteří chtějí základní přehled klíčových konceptů v oboru.

Chcete-li doplnit online kurz, budete si chtít prohlédnout přednášky, sady problémů a ukázky kódů Matlab v rámci Ngova formálního Stanfordova CS 229 - kurzu strojového učení nabízeného na univerzitě.

2) Úvod do strojového učení Sebastiana Thruna (online kurz)

Sebastian Thrun má dlouhou historii inovací v A.I. a autonomní technologii vozidla, nejprve vyhrál DARPA Grand Challenge se Stanfordovým týmem Stanley v roce 2005. Řídil také Stanfordovu laboratoř pro umělou inteligenci, založil divizi autovraků společnosti Google a založil Udacity, další platformu MOOC s vynikajícími nabídkami v oblasti strojového učení a umělé inteligence .

Thrunův kurz „Úvod do strojového učení“ je důkladným úvodem do předmětu a také základem certifikace „nanodegree“ Data Analyst sponzorované Facebookem a MongoDB.

V nabídce Udacity je také Thrunův „Úvod do umělé inteligence“, který učí základy A.I. stejně jako aplikace jako robotika, počítačové vidění a zpracování přirozeného jazyka. Tento kurz vede k nanodegradu Machine Learning Engineer sponzorovaného společností Kaggle.

Hluboké učení

Přestože byly neuronové sítě vynalezeny v 60. letech, hluboké učení se v posledních letech stalo životaschopným a populárním kvůli explozi velkých dat a výpočetní síly. Jakmile jste se seznámili se základy strojového učení, můžete se začít učit o tomto vzrušujícím novém poli umělé inteligence.

1) Neuronové sítě Geoffrey Hinton pro strojové učení (online kurz)

Geoffrey Hinton je profesorem univerzity v Torontu a Google Researcherem. Hintonova laboratoř UT uvedla v roce 2012 do hlavního proudu „hluboké učení“ s jejich překvapivým vítězstvím ve výzvě k objevování drog společnosti Merck, přestože nikdo z týmu neměl žádné znalosti v oblasti molekulární biologie. Najednou New York Times začaly uvádět titulky jako „Vědci vidí slib v programech hlubokého učení“.

Kamenec z Hintonovy laboratoře pokračoval ve svém odkazu. Yann LeCun, dříve postdoktorandský výzkumný spolupracovník v Hintonově laboratoři, je předním inovátorem v konvolučních neuronových sítích a nyní řídí Facebook AI Research. Ilya Sutskever dále spoluzakládala a působila jako výzkumná ředitelka OpenAI (za podpory Elona Muska). Brendan Frey, inspirovaný osobní tragédií, založil Deep Genomics, startup, který aplikuje hluboké učení na genomickou medicínu a terapii.

Absolvování kurzu Hinton „Neural Networks For Machine Learning“ na Coursera vás automaticky nepřemění v průkopníka umělé inteligence, ale třída je určitě užitečným začátkem.

2) Jeremy Howard's Fast.ai & Data Institute Certificates (online a osobní kurzy)

Jeremy Howard byl prezidentem a hlavním vědcem společnosti Kaggle, než založil společnost Enlitic, společnost, která aplikuje hluboké učení na lékařské diagnózy a klinická rozhodnutí, a Fast.ai, vzdělávací zdroj pro inženýry hlubokého učení.

Vyučuje také hluboké vzdělávací kurzy spolu s výzkumníkem Rachel Thomasovou na datovém institutu University of San Francisco. Deep Learning Part One pokrývá základy Deep Learning, zatímco Part Two pokrývá pokročilé aplikace. Kurzy osobního certifikátu nejsou zdarma, ale veškerý obsah je k dispozici na webu Fast.ai jako MOOC.

Howard a jeho učitelský tým tvrdě pracují na kurování různých studentů, protože si všimli, že A.I. průmyslu je vážně chybí zastoupení žen, lidí barvy, LGBTQ a dalších menšinových zastoupení. Potenciální studenti, kteří spadají do těchto nedostatečně zastoupených skupin, se vyzývají, aby se přišli zúčastnit stipendií pro rozmanitost.

3) Hluboké učení od Yoshua Bengia a Iana Goodfellowa (kniha)

Yoshua Bengio, profesorka na Montrealské univerzitě, je další vedoucí postavou, která vede vpřed v odvětví hlubokého učení. Jeho příspěvky byly ve službě Google Scholar citovány více než 40 000krát. Jeho bývalý student, Ian Goodfellow, je nyní výzkumníkem v OpenAI a je nejznámější pro vynalézání Generative Adversarial Networks.

Jejich kniha Deep Learning, publikovaná společností MIT Press, je volně k dispozici online a vhodně zahrnuje aplikované osvěžovače matematiky na lineární algebře, teorii pravděpodobnosti a numerické výpočty před ponořením do základních konceptů hlubokého učení.

4) Neuronové sítě a hluboké učení Michael Nielsen (kniha)

Knihu Michaela Nielsena o „Neural Networks & Deep Learning“ bylo doporučováno znovu a znovu. Nielsen, výzkumný pracovník v YCombinator Research, upřednostňuje vysvětlit základní principy intuitivním a nezapomenutelným způsobem, než aby vás utopil v „mlhavém porozumění dlouhému seznamu nápadů v prádelně“.

Nielsenova kniha se zaměřuje na to, aby vás naučila řešit konkrétní problém - naučit počítač rozpoznávat ručně psané číslice - neuronovými sítěmi. Začnete s jednoduchou neuronovou sítí a postupně se vylepšujete svůj kód, jak jsou představovány nové koncepty.

Pokud nemáte nejpevnější znalosti matematiky nezbytné pro hluboké učení nebo nejste zkušený programátor, Nielsenova kniha je obzvláště vhodná pro začátečníky. Kód pro cvičení je psán v jazyce Python 2.7 a je relativně snadno pochopitelný, i když jazyk běžně nepoužíváte.

5) Hluboké učení s TensorFlow (online kurz)

Jakmile zvládnete koncepční základy hlubokého učení a neuronových sítí pomocí některého z předchozích zdrojů, budete chtít zvládnout nástroje k převedení teorie do praxe. Přestože existuje řada hlubokých učebních rámců a knihoven, TensorFlow by Google se rychle stal jedním z nejpopulárnějších a nejlépe podporovaných.

Online kurz Deep Learning by Google od společnosti Udacity vyučuje Vincent Vanhoucke, hlavní vědec společnosti Google, a technický vedoucí týmu Google Brain. Kurz předpokládá středně pokročilé až pokročilé pochopení konceptů strojového a hlubokého učení a rozšíří vaše znalosti o školení logistických klasifikátorů, jednoduché hluboké sítě a konvoluční a opakující se neuronové sítě pomocí TensorFlow.

Web TensorFlow nabízí také začátečníky a pokročilé návody a silnou podporu komunity. Videa z jejich posledního vývojářského summitu jsou k dispozici zde a popisují řadu nových funkcí.

6) Oxford Deep NLP Course (VIDEÁ & PŘEDNÁŠKY)

Pro ty z vás, kteří se zajímají o zpracování přirozeného jazyka a porozumění, Oxford nedávno zveřejnil videa kurzů a přednášky ze svého kurzu „Zpracování přirozeného jazyka“, který vyučují odborníci DeepMind, jako jsou Phil Blunsom a Chris Dyer. Tento pokročilý a aplikovaný kurz pokrývá témata NLP, jako je analýza latentních dimenzí v textu, transkripce řeči na text, strojový překlad a systémy Q&A.

7) Video archív konference NIPS (video)

Pokročilí odborníci v oblasti hlubokého učení se každoročně pořádají na stále populárnější konferenci NIPS (Neural Information Processing Systems), aby slyšeli špičkoví vědci prezentovat své průlomové práce a objevy.

Pokud jste konferenci minuli nebo jste ji nemohli osobně zorganizovat, podívejte se na video archivy NIPS z let 2015 a 2016.

8) vědecké práce

Každý den jsou publikovány nové příspěvky v umělé inteligenci a hlubokém vzdělávacím prostoru. Google Scholar, ArXiv a Research Gate jsou skvělá úložiště, ale existuje mnoho dalších sbírek.

Pokud vás zajímá, s jakými papíry začít, zde je úvodní seznam zakladatelských výzkumných prací, které si můžete přečíst. Jakmile začnete číst příspěvky, vytvořil Andrej Karpathy užitečný nástroj vhodně nazvaný ArXiv Sanity, který doporučí související práci.

Chcete-li být upozorněni na nové příspěvky, můžete se přihlásit k odběru kanálů RSS těchto dvou sekcí ArVix: počítačové učení a strojové učení. Nejoblíbenější články také inklinují k bublinám na Reddit Machine Learning nebo Hacker News.

Pokud vlastníte Amazon Echo a chcete vymýtit hands-free, můžete použít ArXivML, Alexa Skill, který vám přečte nejnovější souhrny.

Závěr

Díky nejlepším názorům v oblasti umělé inteligence, které nabízejí širokou škálu vzdělávacích zdrojů, by každý, kdo má zájem o hluboké učení, měl být schopen najít obsah, který odpovídá jejich stylu a úrovni učení.

Začátečníci mohou začít online kurzem Andrewa Nga a dostupnou knihou Michaela Nielsena, zatímco pokročilí inženýři se mohou ponořit přímo do klasického kurzu Neurových sítí Geoffrey Hinton, začít se učit Tensorflow a zůstat informováni o nejnovějším vědeckém výzkumu.

Zmeškali jste nějaké zdroje pro hluboké učení od vůdců v oboru? Prosím, dejte nám vědět v komentářích níže. A podívejte se na náš blog, kde najdete další podobné články.