Jusqu'à présent, j'ai pris Machine Leaning Par Dr. Andrew Ng de Cousera, et le fameux [Deep Learning from scratch](https: //). J'ai lu www.oreilly.co.jp/books/9784873117584/) et j'ai écrit le code selon le livre.
Cependant, on ne savait pas par quoi commencer lors de la création et de la mise en œuvre d'un nouveau réseau de Deep Learning. À ce moment-là, j'ai trouvé le cours suivant et l'ai suivi, ce qui était mieux que ce à quoi je m'attendais. Introduction to TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning
--Il n'y a presque pas d'explication mathématique
--Tensorflow / Keras peut maintenant être utilisé
Week 1. A New Programming Paradigm
Explique la différence entre l'apprentissage automatique et la programmation régulière. Contenu assez basique.
Dans la tâche, le problème de régression a été résolu à l'aide de Tensorflow.
Week 2. Introduction to Computer Vision
Résolvez le problème de classification en utilisant les données Fashion MNIST. Cette semaine, nous n'utiliserons pas CNN et ne résoudrons pas les données d'image comme un vecteur à une seule ligne avec un réseau neuronal dense. Dans ce processus, j'ai appris à configurer un réseau à l'aide de Keras.
Vous apprendrez également comment appeler un rappel une fois l'époque terminée. En conséquence, l'apprentissage peut être achevé lorsque la précision dépasse un certain niveau.
Dans cette tâche, j'ai résolu le problème de classification habituel du MNIST.
Week 3. Enhancing Vision with Convolutional Neural Networks
Résolvez le problème de classification Fashion MNIST lors de la semaine 2. avec CNN. Découvrez une très brève description de CNN et comment l'implémenter dans Tensorflow / Keras. J'ai approfondi ma compréhension en visualisant les résultats de la Convolution. De plus, j'ai pu découvrir comment cela affecte la précision et la vitesse d'apprentissage et d'inférence par essais et erreurs, comme la modification du nombre de couches de convolution et l'exclusion de Max Pooling.
Week 4. Using Real-world Images
Appliquez ce que vous avez fait à la semaine 3 à une image réelle (M pixels, images couleur, objets non au centre) Plus précisément, la classification des images «personnes» et «cheval». Ce qui suit a été particulièrement utile pour la visualisation de la sortie de la couche intermédiaire.
Comme indiqué dans les critiques, le contenu et l'exercice sont certainement faciles. [Machine Leaning] de Coursera Dr. Andrew Ng (https://www.coursera.org/learn/machine-learning?) Et Deep Learning from scratch / 9784873117584 /) N'est-ce pas une bonne prochaine étape après l'apprentissage?
Recommended Posts