Встретил такой курс по Deep Learning от MIT http://introtodeeplearning.com/ . Видео и слайды доступны для просмотра. Курс не углубляется в детали математики, больше упор на пояснение идей и как это делается с помощью tensorflow. Лекции записаны хорошо, с чётким произношением, можно смотреть с ускорением.

#dl #course

Область Deep Learning становится всё более зрелой, появляется всё больше инструментов и фреймворков. Большое количество фреймворков иногда усложняет использование готовых обученных моделей. Узнал про такой вот такую штуку https://onnx.ai/ (Open Neural Network Exchange), общий формат сохранения моделей. Он открытый, но за его разработкой стоят Amazon, Facebook и Microsoft (И логично совместим CNTK, Caffe2, MXNet, and PyTorch). Лидер индустрии tensorflow не совместим напрямую, но уже можно найти реализации. Конкуренция хорошо, выигрывают все.

#dl #cntk

Подсмотрел в твитере ссылку на эту статью http://joelgrus.com/2016/05/23/fizz-buzz-in-tensorflow/ где человек описывает, как он решал задачу fizzbuzz на собеседовании. Текст смешной и, на самом деле, крутой туториал по tensorflow вышел

#dl #ml #tutorial

Что-то я последнее время в основном с новостями связанными с ML)

На этот раз ссылка на готовую модель tensorflow для Instance Segmentation - это совмещение двух задач: детектирования и сегментации. Происходит буквально следующее: находятся все объекты, а потом в каждом выделенном фрагменте происходит бинарная сегментация, т.е. выделяются непосредственно границы объекта (отделяется фон).

Если интересно, смотрите ссылку https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/instance_segmentation.md

#ml #dl #cv #tf

И ещё одна полезная ссылка для исследователей, особенно если вы занимаетесь ML. Вот группа фейсбука на github, где они выкладывают разные экспериментальные проекты и результаты исследования (очень много про обработку текстов). ИТ специалистам очень везёт, что cтолько инструментов и исследований доступно каждому.

#fb #research #ml #dl

https://github.com/facebookresearch

Регулярно приходится рекомендовать материалы для изучения ML, поэтому решил зафиксировать.

1. Курс от Andrew Ag, с которого я начал знакомство с машинным обучением. Немного устарел, и требуется использовать octave в заданиях, но мне кажется он один из лучших курсов для новичков. Не новичкам полезно хотя бы ознакомиться с содержанием. Если не нравится octave, в сети можно найти задания на python.
https://www.coursera.org/learn/machine-learning

2. Прошло много времени с выхода первого курса, и нейронные сети тесно заняли нишу. Эта серия курсов про нейронные сети. Я ещё не прошёл все курсы, но мне нравится формат, просто и последовательно. Увы чтобы сдавать задания, нужно заплатить, но лекции и тесты из каждого курса доступны бесплатно. Можете изучить, а потом заплатить деньги, быстро всё сдать и получить сертификаты.
https://www.coursera.org/specializations/deep-learning

3. Курс от Яндекса и ВШЭ. Курс не такой стройный и задания плохо связаны с лекциями. Но по мне он не плох, лекции содержат много математики, практика вообще не требует особых знаний. Курс был для меня полезен.
https://www.coursera.org/learn/vvedenie-mashinnoe-obuchenie

4. Специализация на русском про машинное обучение, не прошёл всё, но из того что прошёл, было не плохо разобрано.
https://www.coursera.org/specializations/machine-learning-data-analysis

5. Курс от MIT про нейронные сети, не глубоко по глубокие сети). Есть задания и качественно записанные лекции, предстоит сделать сеть для генерации музыки и для определения заболеваний лёгких по снимкам. Посмотрите оглавление, вам понравится.
http://introtodeeplearning.com/

6. Без лишних слов, курс от Google, выглядит не плохо, сам не пробовал.
https://developers.google.com/machine-learning/crash-course/

7. Отпугивает математика и не любите слишком академичное изложение? Отличный курс для программистов.
http://course.fast.ai/

8. Отличная серия обучающих постов
https://github.com/Yorko/mlcourse_open

9. Курс от ВШЕ (высшей школы экономики)
https://github.com/esokolov/ml-course-hse

10. В изучении нужна практика, на kaggle там не только огромное количество задач, но и большое количество разборов решений
https://www.kaggle.com/

Если есть замечания/предложения, пишите мне @nesterione.

#learning #ml #dl #course

Недавно в Калифорнии прошёл ежегодный Dev саммит tensorflow - это такое ежегодное мероприятие, где рассказывают о улучшениях tensorflow и новых достижениях в Deep Learning (https://www.tensorflow.org/dev-summit/).

Событие от части рекламное, но интересного там обычно много. Может позже напишу, что там показали, но пока только хочу рассказать про одну новость.

Теперь tf доступен для js разработчиков! Да-да , это то, чего мы заслужили https://js.tensorflow.org/ 🙂

Но если серьёзно, новость крутая. До этого не было ничего промышленного уровня для работы с машинным обучением для js.

A WebGL accelerated, browser based JavaScript library for training and deploying ML models.

Веб развивается и теперь есть ещё один инструмент, который, как я считаю, позволит реализовать новые идеи, то, о чём мы мы пока и не задумывались.

#tf #news #ml #nn #dl #js

Собираетесь изучить deeplearning фреймворк и всё ещё думаете с чего начать? Прежде всего перестаньте собираться и наконец начните, а вот с чего начать, можете посмотреть kernel на kaggle https://www.kaggle.com/discdiver/deep-learning-framework-power-scores-2018

Всё вполне ожидаемо, сейчас 3 лидера:

1. tensorflow (google)
2. keras
3. pyTorch (facebook)

Мой совет начинать с keras, а когда его возможностей не будет хватать двигайтесь в tensorflow (keras это удобный фронтенд для tensorflow или CNTK). В то же время pyTorch выглядит очень привлекательно сейчас, так что смотреть на него определённо нужно.

#dl #frameworks #learn

Меня часто спрашивают что нужно изучить, чтобы создавать свои нейронные сети. Помимо знаний в математике вам понадобится какой-нибудь deep learning фреймворк. Появление tensoflow упростило исследования и позволило внедрять их в продакшен. PyTorch - это новая "звезда", и темпы распространения в сообществе разработчиков действительно удивляют. Он проще tf и если вы не изучали ничего, то pytorch покажется вам проще и логичнее. График взят с твита https://twitter.com/RitchieNg/status/1155026908855226369/photo/1 #dl #ml #tf #pytorch