Практическое глубокое обучение
Практическое глубокое обучение
Бесплатный курс предназначен для людей с некоторым опытом кодирования, которые хотят узнать, как применять глубокое обучение и машинное обучение для решения практических задач.
Этот бесплатный курс предназначен для людей (и кроликов!) с некоторым опытом кодирования, которые хотят узнать, как применять глубокое обучение и машинное обучение для решения практических задач.
Глубокое обучение может делать самые разные удивительные вещи. Например, все иллюстрации на этом сайте сделаны с помощью глубокого обучения, используя DALL-E 2.
Добро пожаловать!
- Построение и обучение моделей глубокого обучения для компьютерного зрения, обработки естественного языка, табличного анализа и коллаборативной фильтрации.
- Создавайте случайные леса и регрессионные модели
- Развертывание моделей
- Используйте PyTorch, самое быстрорастущее в мире программное обеспечение для глубокого обучения, а также популярные библиотеки, такие как fastai и Hugging Face.
В курсе 9 уроков, каждый урок длится около 90 минут. Курс основан на нашей книге с 5-звездочным рейтингом, которая находится в свободном доступе в Интернете.
Вам не нужно специальное оборудование или программное обеспечение – мы покажем вам, как использовать бесплатные ресурсы для построения и развертывания моделей. Вам также не нужна университетская математика – мы научим вас исчислению и линейной алгебре, которые вам понадобятся во время курса.
Начните смотреть урок 1 прямо сейчас!
Реальные результаты
Наши видео уже просмотрели более 6 000 000 раз! Посмотрите на десятки отзывов о нашей книге и курсе от выпускников, ведущих ученых и экспертов отрасли.
Глава 1, раздел 1 этой книги гласит: “Глубокое обучение – это для всех”, и хотя другие книги могут делать подобные заявления, эта книга выполняет их. Авторы обладают обширными знаниями в этой области, но способны описать ее таким образом, что она идеально подходит для читателя, имеющего опыт в программировании, но не в машинном обучении. В книге сначала приводятся примеры, а теория рассматривается только в контексте конкретных примеров. Для большинства людей это лучший способ обучения. В книге проделана впечатляющая работа по освещению ключевых приложений глубокого обучения в компьютерном зрении, обработке естественного языка и табличных данных, а также рассмотрены такие ключевые темы, как этика данных, которые некоторые другие книги упускают. В целом, это один из лучших источников для программиста, чтобы стать специалистом в области глубокого обучения.
Питер Норвиг Директор по исследованиям, Google
К концу второго урока вы построите и развернете собственную модель глубокого обучения на собранных вами данных. Многие студенты публикуют свои курсовые проекты на нашем форуме; вы можете посмотреть их здесь. Например, если на вашем заднем дворе живет неизвестный динозавр, возможно, вам нужен этот классификатор динозавров!
Выпускники нашего курса работают в таких организациях, как Google Brain, OpenAI, Adobe, Amazon и Tesla, публикуют результаты исследований на ведущих конференциях, таких как NeurIPS, и создают стартапы, используя полученные здесь навыки. Петро Куэнка, ведущий разработчик широко известного приложения Camera+, после прохождения курса добавил функции глубокого обучения в свой продукт, который затем был отмечен компанией Apple за “магию машинного обучения”.
Начните смотреть урок 1 прямо сейчас!
Ваш учитель
Я Джереми Ховард, ваш проводник в этом путешествии. Я возглавляю разработку fastai – программного обеспечения, которое вы будете использовать на протяжении всего курса. Я использую и преподаю машинное обучение уже около 30 лет. Два года подряд я занимал первое место в мире в соревнованиях по машинному обучению на Kaggle (крупнейшее в мире сообщество по машинному обучению). После этого успеха я стал президентом и главным научным сотрудником Kaggle. С тех пор как 25 лет назад я впервые использовал нейронные сети, я возглавлял множество компаний и проектов, в основе которых лежит машинное обучение, включая основание первой компании Enlitic, сфокусированной на глубоком обучении и медицине (выбранной MIT Tech Review в качестве одной из “самых умных компаний мира”).
Вместе с доктором Рейчел Томас я являюсь соучредителем fast.ai – организации, стоящей за этим курсом. В fast.ai мы уделяем большое внимание обучению. В этом курсе я начинаю с того, что показываю, как использовать полную, рабочую, очень удобную, современную сеть глубокого обучения для решения реальных проблем, используя простые и выразительные инструменты. А затем мы постепенно углубляемся в понимание того, как создаются эти инструменты, как создаются инструменты, которые создают эти инструменты, и так далее… Мы всегда учим на примерах. Мы гарантируем, что есть контекст и цель, которые вы можете понять интуитивно, а не начинать с алгебраических манипуляций с символами.
Начните смотреть урок 1 прямо сейчас!
Подходит ли мне этот курс?
Предыдущие курсы fast.ai изучали сотни тысяч студентов, из всех слоев общества, со всех уголков мира. Многие студенты рассказали нам о том, как они стали многократными обладателями золотых медалей международных соревнований по машинному обучению, получили предложения от ведущих компаний и опубликовали научные работы. Например, Айзек Димитровский рассказал нам, что он “несколько лет играл с ML, не понимая его… [затем] прошел курс fast.ai part 1 в конце прошлого года, и меня осенило”. В дальнейшем он занял первое место в престижном международном конкурсе RA2-DREAM Challenge! Он разработал многоступенчатый метод глубокого обучения для оценки рентгенографического поражения суставов кистей и стоп при ревматоидном артрите, используя преимущества библиотеки fastai.
Не имеет значения, если вы не являетесь специалистом в области техники или математики (хотя и это не страшно!); мы написали этот курс, чтобы сделать глубокое обучение доступным для как можно большего числа людей. Единственное условие – вы должны уметь писать (достаточно года опыта), желательно на языке Python, и пройти хотя бы курс математики средней школы.
Глубокое обучение – это компьютерная техника извлечения и преобразования данных – с различными вариантами использования: от распознавания человеческой речи до классификации изображений животных – с помощью многоуровневых нейронных сетей. Многие люди полагают, что для достижения высоких результатов в глубоком обучении нужны всевозможные труднодоступные вещи, но, как вы увидите в этом курсе, эти люди ошибаются. Вот некоторые из них
| Мы выполнили сотни проектов по машинному обучению, используя десятки различных пакетов и множество различных языков программирования. В fast.ai мы написали курсы с использованием большинства основных пакетов глубокого обучения и машинного обучения, используемых сегодня. Мы провели более тысячи часов, тестируя PyTorch, прежде чем решили, что будем использовать его для будущих курсов, разработки программного обеспечения и исследований. Сейчас PyTorch является самой быстрорастущей библиотекой глубокого обучения в мире и уже используется для большинства научных работ на ведущих конференциях. | PyTorch лучше всего работает как низкоуровневая базовая библиотека, обеспечивающая базовые операции для функциональности более высокого уровня. Библиотека fastai – одна из самых популярных библиотек для добавления этой высокоуровневой функциональности поверх PyTorch. В этом курсе, по мере того как мы будем все глубже и глубже погружаться в основы глубокого обучения, мы также будем все глубже и глубже погружаться в слои fastai. |
|---|---|
| Transformers – это популярная библиотека, ориентированная на обработку естественного языка (NLP) с использованием трансформационных моделей. В курсе вы увидите, как с помощью этой библиотеки создать передовую трансфомерную модель для обнаружения схожих концепций в патентных заявках. | Начните смотреть урок 1 прямо сейчас! |
| Почему именно глубокое обучение? | Глубокое обучение обладает мощью, гибкостью и простотой. Именно поэтому мы считаем, что оно должно применяться во многих дисциплинах. К ним относятся социальные и физические науки, искусство, медицина, финансы, научные исследования и многие другие. Вот список некоторых из тысяч задач в различных областях, в которых глубокое обучение или методы, в значительной степени использующие глубокое обучение, сегодня являются лучшими в мире: |
| Обработка естественного языка (NLP) Ответы на вопросы; распознавание речи; резюмирование документов; классификация документов; поиск имен, дат и т.д. в документах; поиск статей, в которых упоминается то или иное понятие. | Компьютерное зрение Интерпретация спутниковых и беспилотных снимков (например, для обеспечения устойчивости к стихийным бедствиям); распознавание лиц; создание подписей к изображениям; чтение дорожных знаков; определение местонахождения пешеходов и транспортных средств в автономных транспортных средствах. |
Начните смотреть урок 1 прямо сейчас!
Биология Складывание белков; классификация белков; многие задачи геномики, такие как секвенирование опухолей и классификация клинически значимых генетических мутаций; классификация клеток; анализ взаимодействий белка с белком
Формирование изображений Раскрашивание изображений; увеличение разрешения изображений; удаление шума из изображений; преобразование изображений в произведения искусства в стиле известных художников
Рекомендательные системы Веб-поиск; рекомендации по продуктам; оформление домашних страниц
Игры Шахматы, го, большинство видеоигр Atari и многие стратегические игры в реальном времени
Робототехника Обработка объектов, которые трудно обнаружить (например, прозрачных, блестящих, без текстуры) или трудно поднять
Начните смотреть урок 1 прямо сейчас!
Начните смотреть урок 1 прямо сейчас!
Что вы узнаете
- После завершения т
- Вот некоторые из рассматриваемых методик (не волнуйтесь, если ни одно из этих слов вам пока ни о чем не говорит – вы скоро их выучите):
- Случайные леса и градиентное усиление
- Аффинные функции и нелинейности
- Параметры и активации
- Трансферное обучение
- Стохастический градиентный спуск (SGD)
- Наращивание данных
- Уменьшение веса
Начните смотреть урок 1 прямо сейчас!
Встраивание сущностей и слов
И многое другое
- Начните смотреть урок 1 прямо сейчас!
- Как начать?
- Чтобы посмотреть видео, нажмите на раздел “Уроки” в боковой панели навигации. Все видео снабжены субтитрами; во время просмотра видео нажмите кнопку “CC”, чтобы включить или выключить их. Чтобы получить представление о том, что рассматривается в уроке, вы можете просмотреть записи уроков, сделанные одним из наших студентов (спасибо Даниэлю!). Вот его заметки к уроку 7 и к уроку 8. Вы также можете получить доступ ко всем видеоматериалам через этот плейлист на YouTube.
- Каждое видео связано с различными главами книги. Все главы книги доступны в виде интерактивного блокнота Jupyter Notebook. Jupyter Notebook – самый популярный инструмент для работы с данными на Python, и на то есть веские причины. Он мощный, гибкий и простой в использовании. Мы думаем, что он вам понравится! Поскольку самое важное в изучении глубокого обучения – это написание кода и эксперименты, важно, чтобы у вас была отличная платформа для экспериментов с кодом.
- Мы будем в основном использовать Kaggle Notebooks и Paperspace Gradient, потому что мы обнаружили, что они очень хорошо подходят для этого курса и имеют хорошие бесплатные варианты. Мы также будем выполнять некоторые части курса на вашем собственном ноутбуке. (Если у вас еще нет аккаунта в Paperspace, зарегистрируйтесь по этой ссылке, чтобы получить кредит в 10 долларов – и мы тоже получим кредит).
Мы настоятельно рекомендуем не использовать свой собственный компьютер для обучения моделей в этом курсе, если только вы не обладаете большим опытом администрирования системы Linux и работы с драйверами GPU, CUDA и так далее.
- Если вам нужна помощь, на сайте forums.fast.ai есть замечательное онлайн-сообщество, готовое помочь вам. Прежде чем задавать вопрос на форумах, внимательно поищите, не отвечали ли на ваш вопрос раньше.
Начните смотреть урок 1 прямо сейчас!