Самоучитель для инженеров по машинному обучению!
В этой статье будут рассмотрены все аспекты машинного обучения, от простой линейной регрессии до современных нейронных сетей, так что вы сможете не только научиться их использовать, но и создавать их с нуля.
Следующий контент ориентирован на компьютерное зрение, которое является самым быстрым способом изучения общих знаний, а полученный опыт можно легко перенести в другие области машинного обучения.
В этой статье мы будем использовать TensorFlow в качестве среды машинного обучения.
Обучение является результатом многомерного фактора, поэтому, если оно может быть основано на учебных материалах, как теории, так и практике, эффект обучения будет намного лучше. Кроме того, хорошим методом практики является участие в соревнованиях Kaggle и решение реальных задач в форме соревнований, чтобы закрепить то, что вы узнали ранее.
(Требование: вам не нужно быть экспертом в Python, но вы должны хорошо разбираться в основах)
1. Курсы
1.1 Практическое машинное обучение (Университет Джона Хопкинса)
woohoo.course RA.org/learn/PR act…
1.2 Машинное обучение (Стэнфордский университет)
Вышеупомянутые два курса научат вас некоторым основам науки о данных и машинного обучения, а также помогут вам изучить и освоить более сложные знания.
woohoo.course RA.org/learn/machi…
1.3 CS231n: сверточные нейронные сети для визуального распознавания 2017 (2016)
Этот курс является одним из лучших онлайн-курсов по ML & CV, он не только даст вам представление о том, насколько здесь глубока вода, но и даст вам хорошую основу для дальнейших исследований и исследований.
1.4 Глубокое обучение (курс Udacity)
У-у-у, большой город.com/course/deep…
1.5 CS224d: глубокое обучение для обработки естественного языка
1.6 Электронные книги по глубокому обучению (охватывающие все аспекты машинного обучения)
Леонардо AR AU Джо Сантос.git books.IO/artificial-…
2. Настоящий бой
Ниже приведен список курсов и проектов, которые помогут понять, как это работает, и найти пути улучшения.
2.1 Простые упражнения, связанные с Tensorflow
Woohoo. KA's N.com/courses/пока горячо…
2.2. Tensorflow cookbook
2.3 Учебный раздел Tensorflow-101
2.4 Как использовать нейронную сеть для передачи стиля изображения.
2.5 Сегментация изображения
GitHub.com/Marvin TE в машине…
2.6 Распознавание объектов с помощью SSD
2.7 RCNN с быстрой маской для распознавания и сегментации объектов
2.8 Обучение с подкреплением, очень полезное для создания робота или Dota AI.
GitHub.com/Денни Дэй Инвестирование/…
2.9 Проект Magenta от команды Google Brain
2.10 Глубокое двустороннее обучение Улучшение изображения в реальном времени
группы.Участвовал.Персик.Квота/графика/много…
2.11 Проект автономного транспортного средства
3. FAQ
Что делать, если я столкнулся с трудностями в процессе обучения?
Во-первых, вы должны понимать, что машинное обучение не является точным на 100%, в большинстве случаев это просто хорошая догадка, требующая множества итераций настройки. Таким образом, в большинстве случаев придумать какие-то уникальные идеи очень сложно, потому что большая часть вашего времени и ресурсов будет потрачена на обучение модели. Поэтому вместо того, чтобы пытаться найти решение самостоятельно, вы можете искать документы, проекты и людей, которые могут вам помочь. Можно утверждать, что чем раньше вы наберетесь опыта, тем лучше.
Вам могут помочь следующие веб-сайты:
Почему статья не полностью решает проблему или почему в некоторых конкретных случаях проверка статьи неверна?
К сожалению, не все ученые готовы раскрывать результаты своих исследований, но им необходимо получать доход или славу, публикуя статьи. Поэтому некоторые из них опубликовали только часть материала или дали неправильную формулу. Так что нам лучше искать код, а не бумаги. Эссе — это просто доказательства или факты, касающиеся конкретной проблемы.
Где я могу найти последние учебные материалы?
www.gitxiv.com/, чтобы не только найти последние документы, но и найти нужный код.
Используете облачные вычисления или настольный компьютер/ноутбук?
Облачные вычисления — лучший выбор, когда требуется много вычислений. Для обучения и тестирования гораздо дешевле использовать ПК/ноутбук с видеокартой с поддержкой CUDA. Конечно, если у вас есть свободные облачные ресурсы или лишние средства, лучше использовать облако.
Как улучшить свои навыки настройки гиперпараметров?
Основная проблема в обучении — это время, вы не можете сидеть и смотреть на тренировочные данные все время, поэтому рекомендуется использовать Grid Search. Просто создайте набор гиперпараметров и архитектуры модели, запустите их один за другим и сохраните результаты. Таким образом, вы можете тренироваться ночью и сравнивать результаты на следующий день, пока не найдете наиболее перспективный.
Вы можете увидеть, как это делается в библиотеке sklearn:
SCI kit-learn.org/stable/Modu…
Автор | Андрей Никишаев
Оригинальный адрес:
https://medium.com/machine-learning-world/learning-path-for-machine-learning-engineer-a7d5dc9de4a4