Apprentissage profond simplifié: introduction en série -. 1 pièce

Êtes-vous dépassé par l’interprétation trop technique de l’apprentissage profond? Si tel est le cas, cette série d’articles vous donnera un démarrage rapide dans ce domaine en pleine croissance, sans mathématiques ni code. L’apprentissage en profondeur est un sous-domaine important de l’intelligence artificielle (IA), qui relie divers sujets tels que l’apprentissage automatique, les réseaux de neurones et la classification. Grâce à des géants comme Andrew Ng, Geoff Hinton, Yann LeCun, Adam Gibson et Andrej Karpathy Efforts, au fil des ans, des progrès significatifs ont été réalisés dans ce domaine. De nombreuses entreprises ont également investi massivement dans l’apprentissage en profondeur et la recherche sur l’IA – Google a investi dans DeepMind et ses voitures sans conducteur, nVidia a investi dans CUDA et l’informatique GPU, et Toyota a récemment lancé un nouveau plan qui investira 10 à 100 millions de dollars américains pour la recherche sur l’IA. Deep Learning TV sur Facebook: Twitter: Vous avez peut-être recherché des vidéos sur YouTube et constaté que la plupart d’entre elles contiennent trop d’opérations mathématiques pour les débutants. Il n’y a que quelques vidéos qui promettent de proposer des concepts, et elles sont généralement de trop haut niveau pour les débutants. Toute vidéo montrant un code complexe ne fera qu’aggraver ces problèmes pour le spectateur. Il n’y a rien de mal avec les descriptions techniques, pour approfondir le terrain, vous devez les comprendre dans une certaine mesure. Cependant, l’apprentissage en profondeur est un sujet complexe avec beaucoup d’informations, il peut donc être difficile de savoir par où commencer et le chemin à suivre. Cela résonne-t-il avec vous? quel est ton opinion? Merci de faire part de vos commentaires. Le but de cette série est de vous fournir une feuille de route suffisamment détaillée pour vous permettre de comprendre les concepts importants, sans toutefois vous laisser submerger par trop de détails. J’espère expliquer davantage les concepts que vous connaissez déjà et clarifier les concepts que vous devez connaître. En fin de compte, vous pourrez décider de consacrer plus de temps à ce sujet. Par conséquent, bien que les mathématiques et le code soient importants, vous ne les verrez pas dans cette série d’articles. L’accent est mis sur l’intuition derrière l’apprentissage en profondeur – ce que c’est, comment l’utiliser, les personnes derrière et pourquoi c’est important. Vous obtiendrez d’abord un aperçu de l’apprentissage en profondeur et expliquerez brièvement comment choisir entre différents modèles. Ensuite, nous verrons quelques cas d’utilisation. Après cela, nous discuterons de divers outils d’apprentissage en profondeur, y compris d’importantes bibliothèques de logiciels et plates-formes sur lesquelles vous pouvez créer votre propre réseau profond. Quelques ressources: La classe d’apprentissage automatique d’Andrew Ng -Livre de Michael Nielsen: Remerciements: Nicky Pickorita (YouTube Art) -Isabel Deskutner (Isabel Descutner) (voix) -Dan Partynski (rédacteur en chef) -Marek Scibior (créateur de Prezi, illustrateur) -Jagannath Rajagopal (créateur, producteur)) Et réalisateurs) -.