[Udemy]Машинное обучение с Python + Big Data - (Курс 3 из 17)

[Udemy]Машинное обучение с Python + Big Data - (Курс 3 из 17)

[Udemy.com] Data Science: Deep Learning in Python


​

Автор: Lazy Programmer Inc.
Формат: Видео
Продолжительность: ~ 5 часов 42 минуты
Перевод: Красный Кут​

Тип перевода: Транскрибация с русским переводом
Всего: 53 видео лекции

Решил сделать перевод всех курсов Lazy Programmer Inc. о искусственном интеллекте, машинном обучении взяв за основу материалы из этой складчины

Вы также можете изучить на русском языке следующие курсы этого автора:​

• Linear Regression in Python (Курс 1 из 17)
• Logistic Regression in Python (Курс 2 из 17)
• Easy Natural Language Processing (NLP) in Python (Курс 4 из 17)
• Data Science: Practical Deep Learning in Theano + TensorFlow (Курс 5 из 17)
• Data Analytics: SQL for newbs, beginners and marketers (Курс 6 из 17)
• Deep Learning: Convolutional Neural Networks in Python (Курс 7 из 17)
• Cluster Analysis and Unsupervised Machine Learning in Python (Курс 8 из 17)

Введение и план обучения

Спойлер

Здравствуйте и добро пожаловать на мой первый курс по глубокому обучению и обработке данных на языке Python. Надеюсь, вы так же обрадованы появлением этого курса, как и я сам.

Глубокое обучение – это то, с чего я начал изучать машинное обучение и обработку данных, и легко понять, почему так много людей заинтересовались этой темой и почему так много компаний используют машинное обучение в научных исследованиях и проектах развития. Этот курс посвящён введению в основы построения нейронных сетей. Моя цель – помочь вам создать прочный фундамент, чтобы в случаях, когда речь зайдёт о свёрточных и возвратных нейронных сетях и распознаванию естественного языка, вы не видели в этом проблемы, а выдавали новые идеи, базирующиеся на уже имеющихся у вас знаниях.

Итак, для чего же нужно глубокое обучение?

Как и всё машинное обучение, прежде всего – для прогнозирования. Глубокое обучение работает лучше, чем большинство других методик, и вот некоторые примеры того, что оно может сделать. Я уверен, большинство из вас уже читали, как робот AlphaGo от компании Google обыграла чемпиона мира по игра в Го. По мнению экспертов, это должно было произойти лишь через десяток лет в будущем. Глубокое обучение используется в автомобильных автопилотах. Глубокое обучение используется сейчас в поисковой системе Google. Конечно, оно используется и в более привычных вещах, вроде прогноза ситуации на фондовых рынках и распознавание лиц на картинках. Вы можете использовать глубокое обучение даже для предсказания, кто победит на следующих президентских выборах! Я надеюсь, что этот курс убедит вас в этом. Вообще, что касается алгоритмов машинного обучения, углублённое обучение – это лучшее, что создали ведущие мировые учёные на сегодняшний день.

Поговорим о собственно курсе. Мы будем учиться на придуманном мною примере – том, что я называю проектом курса. Представьте себе, что вы – инженер в IT-бизнесе и хотите получить возможность спрогнозировать действия пользователя, основываясь на собранных данных о его действиях. На протяжении курса вы ознакомитесь с методикой, позволяющей решить эту проблему, и в конце курса сможете самостоятельно её решить.

План курса следующий.

Прежде всего мы рассмотрим функцию Softmax. Сначала мы рассмотрим двоичную классификацию, позволяющую различать лишь одну вещь из двух. Затем мы научимся различать любое количество вещей.

Далее мы научимся обучать нейронную сеть. Для этого мы используем очень популярный метод, называемый обратным распространением. Я покажу вам, что это не выдумка, а просто логичное усовершенствование того, что мы уже делали, когда изучали логистическую регрессию.

Следующим мы пересмотрим проблему XOR, с которой уже сталкивались при рассмотрении логистической регрессии, когда нам пришлось вручную создавать специальные функции, чтобы логистическая регрессия могла преодолеть эту проблему. Я покажу вам, что нейронные сети способны автоматически распознавать различные функции при построении нейронных сетей.

Для начала мы изучим библиотеку Numpy, чтобы вы могли сами создать нейронную сеть и оценить теорию, на которой она базируется. После этого я покажу вам, как использовать библиотеку TensorFlow, чтобы создать простенький плагин, который можно применить для глубокого обучения. Мы также рассмотрим TensorFlow Playground, что позволит нам наглядно увидеть, как действует нейронная сеть. В конце курса мы сделаем ещё один проект по распознаванию лиц.

Напоследок я хочу отметить, что усовершенствование этого курса продолжается. Я всегда организовываю обратную связь и вношу изменения в курс на основе отзывов. Вы могли ожидать больше учебного материала, больше практических примеров, возможностей получить твёрдые знания и всего остального. Если вам это интересно, вы можете написать мне.

Надеюсь, вам понравится этот курс!

Учебный план курса:

​

Спойлер

• Что такое нейронная сеть?

• Введение и план курса

• Как этот курс вписывается в углубленное изучение?

• Тест на готовность к глубокому изучению

• Нейронные сети без математики

• Введение в проект курса электронной коммерции

Одновременная классификация более чем двух веще

• Прогнозирование: введение в раздел и план

• От логистической регрессии к нейронным сетям

• Софтмакс

• Сигмоид против Софтмакс

• Перенаправление в Slow-Mo(часть 1)

• Упреждение в Slow-Mo(часть 2)

• Где получить код для этого курса

• Softmax в кодексе

• Построение всей открытой нейронной сети в Python

• Проект курса электронной коммерции: предварительная обработка данных

• Проект курса электронной коммерции: создание прогнозов

• Прогноз: резюме раздела

Обучение нейронной сети​

• Тренинг: Введение в раздел и план

• Что означают все эти символы и буквы?

• Что значит «обучиться» нейронной сети?

• Обратное распространение. Введение

• Обратное распространение. От чего зависит обновление весовых коэффициентов?

• Обратное распространение. Рекурсивность

• Обратное распространение кода

• НЕПРАВИЛЬНЫЙ способ научиться обратному распространению

• Проект курса электронной коммерции: Учебная логистическая регрессия с Softmax

• Проект курса электронной коммерции: обучение нейронной сети

Практическое машинное обучение​

• Практическое машинное обучение

• Практические вопросы: введение раздела и план

• «Пончик» и обзор XOR

• Возвращение - «пончик» и XOR

• Общие нелинейности и их производные

• Гиперпараметры и перекрёстная проверка

• Выбор курса обучения и наказание за регулирование

• Практические вопросы: Резюме раздела

TensorFlow, упражнения, практика и что учиться дальше​

• Пример подключения TensorFlow plug-and-play

• Визуализация результатов обучения нейронной сети с помощью TensorFlow plug-and-play

• Что дальше?

• Вы знаете больше, чем вы думаете, что знаете

• Как усвоить глубокие знания + упражнения

Проект: Распознавание выражений лица​

• Описание проблемы распознавания выражения лица

• Проблема дисбаланса классов

• Прохождение служебных программ

• Распознавание выражений лица в коде (двоичный / сигмоидный)

• Распознавание выражений лица в коде (логистическая регрессия Softmax)

• Распознавание выражений лица в коде (ANN Softmax)

Приложения​

1. Учебник по градиентному спуску
2. Обратное распространение с помощью Softmax
3. Как установить Numpy, Scipy, Matplotlib, Pandas, IPython, Theano и TensorFlow?

Источник:

​

 

Не пора ли нам собираться-с, господа?

 

Привет.
Закрываю этот вопрос , но позволь мне рассказать почему срываются сроки.

Это самый важный курс из этого цикла в изучении машинного обучения , поэтому изучая даный курс обратил внимание, что часто встречается упоминание о методе обратного распространения ошибки - все темы требуют его твёрдого знания.

Это и неудивительно, поскольку все нейронные сети так или иначе строятся на нём. Именно поэтому я так тщательно стараюсь проработать эту тему. Это воздастся нам при переводе всех последующих курсов.

Поэтому мне потребуется еще неделя . чтобы я был на 100% уверен в выданном материале, и уже 5 курс переведется очень быстро.

 

создавай тему... Будет интересно.

 

Это бесплатно. Регистрируешься и заходишь. Если интересна тема, то выбирай программу анализ данных и проходи все курсы, начиная с основ статистики. Времени потратишь хз сколько. Задания по программированию в R и Python "занимательные" - потом хоть что-нибудь останется. Иначе никак.

 

Просмотрел его курс моё ИМХО Те темы которые у него обозначены в уроках у нас разбираются одним курсом состоящим из десятков лекций.

 

На мой взгляд, неправильно делать выводы о качестве и полноте материала только по названиям в оглавлении курсов. Как же подача, практические задания на закрепления?
Просмотреть недостаточно. Закончить хотя бы на сертификат. И потом посмотреть этот курс и сделать вывод. Плюс, там присутвует обсуждение, которое оочень помогает. Я не берусь сравнивать, так как не дошел до него и не прошел этот.
п.с. И напомню с чего все началось . Ты хотел качественно перевести материал, но знаний не хватает. Я тебе посоветовал не от балды, а что действительно могло бы тебе помочь в этом. Ребята, которые проходили, очень хорошо отзываются о нем.
Посмотреть курс != Пройти курс
Прочитать книгу об анализе данных != пройти ШАД

 

Все правильно сказал, но погружаясь в изучение машинного обучения делаю вывод, что не возможно раскрыть тему за час там. где нужно на это потратить на изучение минимум 2 мес.
Но обсуждение и обратная связь от учителя,- конечно играет важную роль для нас в продвижении. Не спорю)

 

Какие у нас новости?

 

Дайте мне ещё 7 дней

 

any news?

 

Очень грустно, что снова задерживаемся(

 

Не грусти, потому что сейчас переводится видео y на тему "Как много вы уже знаете!" т е переводится приложение осталось ДВА видео на 30 мин. Во вт финалю курс, но я уже ни чего не обещаю т.к. все может быть, но все же. ФИНАЛИМ и переводим новые курсы.
Я кстати благодаря этому курсу нашел первого клиента для которого буду запускать нейросеть,

 

Добрый день, Красный Кут.
Интересуюсь темой, скажите, для машинного обучения и создания неиросетей требуется хорошее знание математики/мат.анализа/мат.статистики? Будет ли успешен в этом нелегком деле гуманитарий?

 

Без знания высш.математики нейро сеть вам не построить.

Вы можете приобрести курсы с первой по четвертую часть ,чтобы понять как выстраиваются рабочие процессы с неро сетью. И уже на уровне идеи ,применяя творческое мышление создавать бизнес проекты,работая в команде с тем кто разбирается хорошо в математике.