Я не хочу смотреть на груду символов формул, но я хочу знать, как сверточная нейронная сеть (Convolutional Neural Network) различает изображения? Я хотел бы поделиться видео моих ответов на вопросы моим аспирантам, я надеюсь, что это будет полезно для вас.
ошеломленный
Друзья часто спрашивают меня, в каком семестре проходят мои курсы по Python и науке о данных, и они хотят прийти, чтобы пройти курс.
Извините, такого на самом деле не существует.
Я написал серию руководств по науке о данных. Но изначально это было только для моих собственных аспирантов.наделение полномочиями, а не раздаточный материал курса.
Некоторые из них, бакалавриаты, не имеют ничего общего с технологиями.
Но информатика является междисциплинарным предметом. Особенно в последние годы, снаука о данныхИнтеграция углубляется.
Оглядываясь вокруг, можно заметить, что другие специальности в области социальных наук, такие как журналистика, психология, социология, политология и т. д., используют открытые наборы данных Интернета для крупномасштабного анализа информации, который ранее был невообразим.
В этом случае вы являетесь аспирантом информатики в дисциплине, которая имеет преимущества анализа данных, но у вас вообще нет навыков работы с данными.Вы стесняетесь здороваться с другими студентами, когда уходите?
Поэтому я написал для них учебные пособия и попытался написать учебные пособия, понятные студентам гуманитарных наук.
Как оказалось, они могут следовать инструкциям и получать результаты.
Однако я вПрограммирование на Python сталкивается с проблемами, что делать студентам гуманитарных наук?», сказал, «рисовать тыкву по тыкве» — это только первый шаг в вашем вхождении в науку о данных.
Вам необходимо понимать предпосылки и методологии применения технологий, чтобы вы могли ответить на свой исследовательский вопрос и использовать соответствующие инструменты для его решения.
На этой неделе на групповом собрании я слушал презентацию перевода диссертации аспирантов первого курса и, очевидно, почувствовал, что они до сих пор не понимают структуру и принципы работы сверточных нейронных сетей.
Я странный.
Потому что специально для них я написал как минимум 2 статьи, все о том, как использовать сверточные нейронные сети для обработки изображений.
Более того, они также прошли переобучение и тестирование на своих собственных наборах данных.
В статье я также познакомил их с основными принципами моделей глубокого обучения и подробно перечислил ссылки в конце статьи для расширенного чтения.
Спустя такое долгое время, почему вы все еще невежественны?
Если бы это было в прошлом, мне обязательно пришлось бы тренировать людей.
Потому что как ни посмотри, это проблема неправильного отношения к обучению.
Однако ссочувствиеОсновываясь на обучении, я могу внезапно понять их замешательство и беспокойство.
так же
Они увидели расширенный материал для чтения, как черную дыру.
Эта черная дыра поглощает их время и рабочую нагрузку, не видя никакой положительной обратной связи.
Потому что им не хватает основания.
Чтобы хорошо изучить глубокие нейронные сети, вам не нужен слишком высокий интеллект. Но некоторые основные элементы важны. К таким фондам относятся:
- программирование
- математика
- английский
Если у вас есть эти 3 основы, вам вообще не нужна помощь репетитора. Курсы самообучения, такие как «Глубокое обучение» Эндрю Нг на Coursera, заставят вас быстро расти и стать зависимыми от него.
Однако для отечественных студентов-гуманитариев основные требования, перечисленные выше, можно охарактеризовать как «три горы», которые могут их завалить.
Я не изучал программирование, я давно забыл математику и не силен в английском.
Вы позволяете им учиться понемногу с нуля и все это придумываете?
Даже если он действительно завершен, пора заканчивать обучение.
Что еще вы исследуете?
Правда, учителя могут помочь им оптимизировать свои учебные модули.
Плохое программирование, это нормально.
Не касайтесь деталей оператора построения структуры нейронной сети Tensorflow, пока вы можете использовать простейший TuriCreate для вызова инструмента обучения переносу, а несколько строк кода могут выполнять распознавание изображений.
Английский не очень, все в порядке.
Я напишу для вас учебник на китайском языке. Вы просто следуете ему, и вы получите результаты.
Но математика не очень, и я не могу понять принцип нейросетевой модели, что мне делать?
Раньше я был беспомощен.
Или относитесь ко всему инструменту как к черному ящику, знаете только ввод и вывод и можете сделать результат.
Но это отношение пользователей, а не исследователей.
Это низкоуровневое познание может дать вам возможность в полной мере практиковать то, что называется «мусор на входе, мусор на выходе».
Многие студенты, ничего не смыслящие в статистике, разве они не играют в SPSS вот так?
Подумав об этом, я внезапно ощутил вспышку вдохновения.
учиться у
Статистика также сложна для изучения многими студентами, изучающими гуманитарные науки.
Как они этому научились?
Это «ограниченный демонтаж».
Очевидно, что недостаточно просто научиться импортировать данные и нажать кнопку, чтобы отобразить график.
Но пихать формулы различных распределений с самого начала, объяснять принцип установки порога (типа волшебного 0,7)... Люди давно разбежались.
что делать?
Мне вспоминается эта книга профессора Ли Ляньцзяна.
Позиция г-на Ли заключается в том, чтобы четко объяснить принцип и не позволять студентам небрежно «истязать» данные.
Но они не могут углубиться в основные математические принципы, поэтому многие студенты гуманитарных наук просто не могут этого понять и даже очень быстро теряют интерес.
Его метод прост и практичен.
Только примеры и аналогии.
Используя пример сотрудника, поставляемый с SPSS, он объясняет несколько глав. От типа данных до множественной регрессии.
Поскольку есть реальные примеры, студенты могут полностью понять это.
Говоря о факторном анализе, сделайте ротацию. Как это сказать?
Он использовал две метафоры.
Один - это три тенора, представляющие 3 фактора.
Концерт трех теноров на одной сцене, публика словно приливная волна.
Кому-то нравился Доминго, кому-то Каррерас, а кто-то пришел за Паваротти.
Но зрители все сидят вместе, и нельзя сказать, какая аудитория фанатеет от какого певца.
что делать?
Пусть теноры поют отдельно, поютпротивоположная сцена.
Это вторая притча.
Когда есть сценическое представление, места, выбранные публикой, ясно отражают отношение.
Вопрос, к какому фактору относится, можно также отличить по фактору, поющему противоположную стадию (ротацию).
После прочтения «Статистики драмы» я думаю, что это действительно хорошо.
Но позже я посмотрел видеокурс г-на Ли и почувствовал, что успехи были еще больше.
Потому что распространение информации видео является более обильным.
Это также только что пример.Из-за графической интерпретации, студенты могут понять более тщательно и глубоко.

В частности, всякий раз, когда упоминается, что статистические результаты исследования нуждаются в некоторых «негуманных» и «консенсусных в социальных науках» методах работы, улыбка г-на Ли всегда заставляет людей смеяться.
объяснять
Взяв за основу пример г-на Ли Ляньцзяна, я использовал оставшееся время собрания группы, чтобы шаг за шагом объяснить аспирантам следующее содержание в форме написания на доске:
- Базовая структура глубокой нейронной сети;
- Реализована вычислительная функция нейронов;
- Как обучать глубокие нейронные сети;
- Как выбрать оптимальную модель (настройка гиперпараметров);
- Основные принципы сверточных нейронных сетей;
- Внедрение трансферного обучения;
- Ответы на вопросы.
Я не гнался за строгостью максимизации и не предъявлял дополнительных требований к универсальности и практичности примеров, я просто до крайности объяснил упрощенную модель распознавания изображений и сравнил ее с моделью прогнозирования оттока клиентов от начала до конца.
Точно так же я использовал примеры и аналогии, чтобы попытаться свести к минимуму когнитивную нагрузку от прослушивания лекций.
В процессе я прошу студентов задавать вопросы в любое время. Так что взаимодействие очень тесное.
После объяснения некоторые из них сказали, что наконец поняли основы сверточных нейронных сетей.
С тех пор, как на недавнем семинаре тренера Яна я научился вести визуальную запись, после нескольких минут разговора я внезапно понял, что этот отрывок можно записать и поделиться с большим количеством людей.
Поэтому я попросил Ян Вена, сидевшего в первом ряду, записать для меня видео.
Видео не включало первые несколько минут, первые две части списка только сейчас. Очень жаль.
Но это не беда, через какое-то время, когда я буду готовиться к групповому собранию, я позволю аспирантам выйти на трибуну и повторить этот абзац для проверки эффекта обучения.
Если у них все получится, я запишу это и поделюсь со всеми.
Они еще не знают моего плана.
Так что когда увидишь, не говори им. Тссс!
Это видео длится почти 30 минут, что не так уж и мало.
Если вы похожи на них, вы читали мойКак ориентироваться на оттока клиентов с помощью Python и глубоких нейронных сетей?", "Как распознавать изображения с помощью Python и глубоких нейронных сетей?"и"Как найти примерные картинки с помощью Python и глубоких нейронных сетей?«Эти статьи, но я все еще запутался в принципе и структуре глубоких нейронных сетей. Рекомендуется читать от начала до конца, и может быть какой-то выигрыш.
Добро пожаловатьнажмите на эту ссылку, смотреть видео.
Сначала слова, потому что это импровизированное объяснение, никакой подготовки. Любые упущения в содержании неизбежны.
Эксперты приветствуются, чтобы помочь указать на ошибки, и я буду итеративно улучшать в будущих объяснениях.
Заранее спасибо!
обсуждать
Как вы узнали, как работают сверточные нейронные сети? Есть ли у вас лучший способ понять и освоить математические формулы, встречающиеся в ваших исследованиях? Добро пожаловать, чтобы оставить сообщение, поделиться своим опытом и мыслями со всеми, мы обменяемся и обсудим вместе.
Лайк пожалуйста лайк. Вы также можете подписаться на мой публичный аккаунт в WeChat и закрепить его."Юшу Жилан" (nkwangshyi).
Если вы интересуетесь наукой о данных, вы можете прочитать мою серию постов с учебными указателями "Как эффективно начать работу с наукой о данных?", есть более интересные задачи и решения.