Leçon 1-Apprentissage approfondi pour les programmeurs (2020)

Bienvenue dans l’apprentissage en profondeur pour les programmeurs ! Assurez-vous de lire ces vidéos pour accéder à des transcriptions consultables, des cahiers interactifs, des guides de configuration, des questionnaires, etc. Nous vous déconseillons de regarder la vidéo directement sur YouTube. Dans la première leçon, nous comprendrons ce qu’est l’apprentissage en profondeur et comment il se rapporte à l’apprentissage automatique et à la programmation informatique générale. Nous avons mis en place un serveur d’apprentissage en profondeur piloté par GPU et l’avons utilisé pour former des modèles à travers la vision, le NLP, les données tabulaires et le filtrage collaboratif. Nous faisons tout cela dans Jupyter Notebooks, en utilisant l’apprentissage par transfert à partir de modèles pré-entraînés pour la formation à la vision et à la PNL. Nous discutons des sujets importants des ensembles de test et de validation, et comment les créer et les utiliser pour éviter le surapprentissage. Nous comprenons certains termes clés utilisés dans l’apprentissage en profondeur. Nous avons également discuté de l’échec des projets d’intelligence artificielle et des techniques pour éviter l’échec. 00:00-Introduction 06:44-Ce que l’apprentissage en profondeur n’a pas besoin de faire 08:38-À quoi sert l’apprentissage en profondeur 09:52-Réseaux de neurones : une brève histoire 16:00-Méthodes d’apprentissage descendantes 23 : 06-Software Stack 39:06-Git Repository 42:20-Premier exercice pratique dans Jupyter Notebook 48:00-Explication et explication de l’exercice 55:35-Stochastic Gradient Descent (SGD) 1:01:30-Considérez comment le le modèle se compare à l’interaction environnementale 1:07:42-fonction “doc” et document-cadre fastai 1:16:20-Segmentation d’image 1:17:34-Catégorie le sentiment des commentaires en fonction des commentaires textuels IMDB 1:18:30-Selon le tableau du salaire prévisionnel des données CSV 1:20:15-Résumé du cours.