Qui est la cible de cet article

But de la rédaction d'un article

Les termes IA et apprentissage profond existent depuis longtemps, mais j'ai l'impression que peu de gens en comprennent vraiment le sens et parlent. Je pense qu'il est extrêmement dangereux d'avoir une discussion sur «ce que l'IA peut faire» comme au Japon aujourd'hui.

Je pense que la raison pour laquelle il y a une telle discussion technicienne sur l'IA est que vous ne comprenez pas vraiment les fondements mathématiques de l'apprentissage automatique.

Tant que vous comprenez la théorie de base, vous devriez être en mesure de prédire facilement ce que l'IA peut faire et comment elle évoluera à l'avenir.

Public cible et connaissances qui devraient être disponibles pour apprendre l'apprentissage automatique, etc.

Cet article s'adresse à tous ceux qui entendent souvent parler de l'IA mais ne la comprennent pas vraiment.

L'apprentissage automatique, en particulier l'apprentissage en profondeur, peut être pleinement compris avec des connaissances en mathématiques au secondaire. Cependant, je pense qu'il vaut mieux comprendre la différenciation.

De plus, je pense que vous devriez avoir des connaissances en programmation. Pour les livres et le matériel vidéo que je vais vous présenter, la méthode de base pour étudier les plaques de fer est d'apprendre l'apprentissage automatique en bougeant vos mains par programmation.

Donc, pour résumer le niveau de connaissance cible de cet article, cela signifie que «vous devriez être capable de lire la programmation sans supposer des connaissances mathématiques».

Comment étudier

Aperçu de la méthode d'étude

En tant que méthode d'étude pour l'apprentissage automatique, nous vous recommandons fortement d'étudier à partir de l'apprentissage profond. On a le sentiment que le deep learning est traité comme le dernier patron de l'apprentissage automatique au monde, mais en termes de facilité de compréhension, ce n'est pas le cas.

Certes, avec l'avènement de l'apprentissage profond, le boom actuel de l'IA s'est produit. Cependant, parmi les nombreux algorithmes d'apprentissage automatique, le réseau neuronal qui est à la base de l'apprentissage profond peut être considéré comme très simple.

L'apprentissage profond était révolutionnaire

Augmenter (en profondeur) le nombre de calculs du réseau neuronal (j'ose le dire vaguement lol),
Avec juste un peu «d'ingéniosité» en plus du réseau neuronal Il était possible de produire une précision explosive.

Un peu «d'ingéniosité» de 2 est importante dans l'apprentissage en profondeur, mais la méthode de cette «ingéniosité» est différente entre (1) des données multidimensionnelles telles que la reconnaissance d'images et (2) des données de séries chronologiques telles que le traitement du langage naturel. Je vais.

Si vous pouvez comprendre jusqu'à présent, vous pouvez dire que vous comprenez les bases de l'apprentissage profond.

Il suffit d'étudier l'apprentissage profond avant d'étudier l'apprentissage automatique en général. Tout d'abord, si vous pouvez comprendre l'apprentissage profond avec une impression de dernier boss, vous pouvez penser que "l'apprentissage automatique est facile" lol En outre, l'étude de l'apprentissage automatique après cela consiste principalement à comprendre chaque algorithme et à essayer de l'utiliser réellement, donc cela peut ne pas être nécessaire à moins que vous ne soyez ingénieur.

Voici les supports de présentation pour l'apprentissage en profondeur que j'ai présentés lors de sessions d'étude. Nous espérons que vous approfondirez votre compréhension en le regardant avec les livres et vidéos que nous présenterons à l'avenir.

Allons-y!

Commande d'étude de livre et vidéo

Étude que je veux que des personnes qui ne sont pas ingénieurs fassent

La première chose à lire est

[Deep Learning from scratch-Theory et implémentation du deep learning appris avec Python](https://www.amazon.co.jp/%E3%82%BC%E3%83%AD%E3%81%8B%] E3% 82% 89% E4% BD% 9C% E3% 82% 8B Apprentissage en profondeur-% E2% 80% 95Python% E3% 81% A7% E5% AD% A6% E3% 81% B6% E3% 83% 87 % E3% 82% A3% E3% 83% BC% E3% 83% 97% E3% 83% A9% E3% 83% BC% E3% 83% 8B% E3% 83% B3% E3% 82% B0% E3 % 81% AE% E7% 90% 86% E8% AB% 96% E3% 81% A8% E5% AE% 9F% E8% A3% 85-% E6% 96% 8E% E8% 97% A4-% E5 % BA% B7% E6% AF% 85 / dp / 4873117585 / ref = sr_1_1? __Mk_ja_JP =% E3% 82% AB% E3% 82% BF% E3% 82% AB% E3% 83% 8A & crid = 3KK1Y2AGRRRY3 & keywords = deep + apprentissage & qid = 1575984944 & sprefix = deep + lea% 2Caps% 2C393 & sr = 8-1) est.

Je pense que c'est une lecture incontournable pour tous ceux qui veulent comprendre même un peu l'apprentissage en profondeur. L'évaluation est également extrêmement élevée. La position est d'étudier tout en écrivant du code Python, mais je pense que c'est suffisant si vous pouvez comprendre le sens. Il s'agit d'une description très facile à comprendre de l'apprentissage en profondeur pour la reconnaissance d'images.

Vous pouvez comprendre les contours du réseau neuronal, qui est à la base de l'apprentissage en profondeur, et la technique appelée «convolution», qui est un dispositif de reconnaissance d'image.

Si vous voulez juste avoir une compréhension approximative et correcte des bases de l'IA, je pense qu'il suffit de terminer la lecture de cet article ici. Vous pouvez maîtriser les bases de l'apprentissage profond avec un seul livre.

Après avoir lu ce livre, ou en même temps, Udemy

Apprentissage automatique avec Python: Introduction à l'identification apprise avec scikit-learn

Jetez un œil à ** moitié ** (rires).

L'instructeur vous expliquera en fait tout en déplaçant la programmation, donc même si vous n'êtes pas une personne qui comprend vraiment l'ingénierie, vous pouvez comprendre les grandes lignes.

Cette vidéo explique exactement ce qu'est "l'apprentissage automatique", donc je pense que vous pouvez avoir un aperçu de l'apprentissage automatique en regardant cette vidéo tout en lisant le livre ci-dessus.

Et le fait que cette vidéo est bonne comme matériel didactique supplémentaire pour le livre ci-dessus est qu'elle explique correctement les «Bases de la technologie de base des réseaux neuronaux de l'apprentissage profond» appelée «Perceptron». L'explication du concept de base de «fonction de perte» qui apparaît en même temps est également excellente.

Si vous comprenez correctement ce domaine, vous pouvez comprendre presque parfaitement l'apprentissage en profondeur.

Ensuite, je recommande le même auteur que le livre ci-dessus et la même série.

[Deep Learning from scratch ❷ - Traitement du langage naturel](https://www.amazon.co.jp/%E3%82%BC%E3%83%AD%E3%81%8B%E3%82% 89% E4% BD% 9C% E3% 82% 8B Apprentissage en profondeur-% E2% 80% 95% E8% 87% AA% E7% 84% B6% E8% A8% 80% E8% AA% 9E% E5% 87 % A6% E7% 90% 86% E7% B7% A8-% E6% 96% 8E% E8% 97% A4-% E5% BA% B7% E6% AF% 85 / dp / 4873118360 / ref = sr_1_2? __Mk_ja_JP =% E3% 82% AB% E3% 82% BF% E3% 82% AB% E3% 83% 8A & crid = 3KK1Y2AGRRRY3 & keywords = deep + learning & qid = 1575989444 & sprefix = deep + lea% 2Caps% 2C393 & sr = 8-2)

est. Il décrit la technologie permettant à l'IA d'apprendre notre langage humain (ou langage naturel, pour le dire de manière difficile). Si vous êtes curieux de savoir comment Google Traduction et Alexa deviennent plus intelligentes, jetez un coup d'œil.

Il n'est pas exagéré de dire que la plupart des discussions sur l'IA dans le monde peuvent être comprises en comprenant le contenu des deux éditions ci-dessus, la reconnaissance d'image et le traitement du langage naturel. Vous pouvez également voir qui dit quelque chose de techno sur Twitter et des nouvelles avec un visage doy lol

Pour ceux qui veulent comprendre la technologie de base en tant qu'ingénieur

A partir de maintenant, c'est pour les ingénieurs. Passons un peu et avons un aperçu de chaque algorithme d'apprentissage automatique.

[Apprentissage automatique à partir des fonctionnalités Python apprises avec scikit-learn Bases de l'ingénierie et de l'apprentissage automatique](https://www.amazon.co.jp/Python%E3%81%A7%E3%81%AF%E3%] 81% 98% E3% 82% 81% E3% 82% 8B% E6% A9% 9F% E6% A2% B0% E5% AD% A6% E7% BF% 92-% E2% 80% 95scikit-learn% E3 % 81% A7% E5% AD% A6% E3% 81% B6% E7% 89% B9% E5% BE% B4% E9% 87% 8F% E3% 82% A8% E3% 83% B3% E3% 82 % B8% E3% 83% 8B% E3% 82% A2% E3% 83% AA% E3% 83% B3% E3% 82% B0% E3% 81% A8% E6% A9% 9F% E6% A2% B0 % E5% AD% A6% E7% BF% 92% E3% 81% AE% E5% 9F% BA% E7% A4% 8E-Andreas-C-Muller / dp / 4873117984 / ref = sr_1_1? __Mk_ja_JP =% E3% 82% AB% E3% 82% BF% E3% 82% AB% E3% 83% 8A & mots-clés =% E6% A9% 9F% E6% A2% B0% E5% AD% A6% E7% BF% 92 & qid = 1575988094 & sr = 8 -1)

Il y a une partie qui chevauche la vidéo précédente "Apprentissage automatique avec Python: Introduction à l'identification apprise avec scicit-learn". À l'inverse, si vous regardez ce livre et la vidéo ci-dessus, vous comprendrez toute l'image de l'apprentissage automatique.

De plus, si vous commencez à utiliser une bibliothèque d'apprentissage automatique créée par Google appelée TensorFlow avec le matériel pédagogique suivant, je pense que les bases en tant qu'ingénieur d'apprentissage automatique seront à peu près supprimées. Le haut est la reconnaissance d'image et le bas est le traitement des données de séries chronologiques.

[Expérience en 4 jours! ] Cours d'expérience d'apprentissage en profondeur pour apprendre avec TensorFlow, Keras, Python 3](https://www.udemy.com/course/tensorflow/)
[Apprendre avec TensorFlow / Keras] Introduction au traitement des données de séries chronologiques (RNN / LSTM, Word2Vec)

Après cela, selon vos goûts personnels, par exemple,

Vous devriez procéder à l'apprentissage d'un peu de contenu pratique tel que.

Résumé

Ce qui précède est ma commande d'étude personnelle recommandée. Ma position est que "je ne veux pas du tout comprendre les fondements mathématiques, et je ne veux pas du tout comprendre la programmation", je ne comprendrai jamais l'IA. Cependant, je tenais à dire que si vous comprenez un peu les mathématiques et la programmation et que vous êtes prêt à les comprendre correctement, ce ne sera pas du tout difficile.

J'espère que cet article aidera ceux qui essaient de comprendre l'IA et l'apprentissage en profondeur.

Ordre d'étude recommandé pour les débutants en apprentissage automatique / apprentissage en profondeur