201803092355[轉錄]史上最完整機械進修自學攻略!我不相信

美語口譯價格史上最完整機械學習自學攻略!天成翻譯公司不相信有人看完這份不會把它加進我的最愛 https://buzzorange.com/techorange/2017/08/21/the-best-ai-lesson/ 2017/08/21 問耕/編譯整頓 【我們為什麼遴選這篇文章】我們知道很多 TO 的讀者都有相幹需求,曩昔天成翻譯公司們分享單堂 課程比力多,此次天成翻譯公司們看到這篇很是完全的總收拾整頓,從上課到功課,還有課外實作全部都 包裹了,相信必然會很大水平的幫到大家翻譯(責任編纂:林子鈞) 這篇文章的作者為 Andrey Nikishaev,他既是一個軟件開發者,也是一個創業者。 若何成長為一位機器進修工程師? 常常有人這麽問,而這篇文章就嘗試回覆這個問題,個中漫談到關於機械進修的方方面面 ,從簡單的線性回歸到最新的神經收集。翻譯公司不但將進修如何使用這些技術,還將進修如何 從頭最先構建它們。 這個指南首要面向計算機視覺(CV),這也是把握一般常識的最快體例,從 CV 中獲得的 經驗可以簡單地運用到機械進修的其他領域翻譯 我們將利用 TensorFlow 作為框架。這些課程需要你會 Python,固然不要求你是大師, 但最少要懂根基的知識翻譯(別的,都是英語授課 ) 溫馨提醒,進修知識與著手實踐相連系結果更佳。 1. 課程 1.1 約翰霍普金斯大學的適用機械進修 課程總共 4 周,用戶評分:4.4(5 分制,下同) 1.2 史丹佛大學的機械進修 課程總共 11 周,用戶評分:4.9翻譯講課教師是大名鼎鼎的吳恩達翻譯 上面兩節課,會教給翻譯公司數據科學和機械進修的基本常識,並為下面的學習做好準備。 1.3 CS231n:面向視覺辨認的卷積神經收集 總共 16 個課時,目前已更新為 2017 春季的最新版本。李飛飛是這節課程的導師翻譯 目下當今才算步入正軌。這是網上最好的機械學習與較量爭論機視覺課程。 1.4 Google 講深度進修 全部課程大約耗時三個月,導師為 Google 首席科學家 Vincent Vanhoucke,和 Google Brain 的手藝負責人 Arpan Chakraborty翻譯 在這個課程中,將會教授深度進修的道理、設計可以從覆雜的大型數據集進修的智能系統 、訓練和優化基本的神經收集、CNN、LSTM 等。 選修課。你可以只看個中演習的部門。 1.5 CS224d:面向自然說話處置的深度進修 總共 17 個小時。 選修課。保舉給那些需要用到 NLP 的同窗。課程內容也很棒。 1.6 深度進修電子書 Leonardo Araujo dos Santos 清算的深度進修電子書。 選看。這是一本涉及諸多機械進修範疇的好書翻譯 2. 演習 這部分給了一堆教程和項目標清單,你應當一一測驗考試並領會它們的工作道理,和斟酌如 何進行改善晉升翻譯這個列表的存在,只是為了增添你對機械進修的樂趣,所以碰到一些困 難也別氣餒,當你準備好就能夠隨時上手練習。 2.1 TensorFlow 上的簡單演習 Kadenze 學院出品,總共 5 個課時翻譯 2.2 Tensorflow 菜譜 這部分內容來自 Nick McClure 的電子書《TensorFlow Machine Learning Cookbook》翻譯 2.3 Tensorflow-101 教程部份 這是一個用 Python 和 Jupyter Notebook 編寫的教程。試圖為 TensorFlow 初學者供給 盡可能的具體解釋,但願對大師有效~ 2.4 快速氣概遷徙收集 這個教程展現了若何使用神經收集,將名畫的氣概遷移到任何一張照片上。 2.5 圖象分割 這是一個利用 TensorFlow 實現的完全卷積收集。作者 Marvin Teichmann 還供應了若何 把這部份代碼集成到你的語義朋分管道中的示例。 2.6 使用 SSD 實現物體辨認 物體辨認最快(也是最簡單)的模子之一 2.7 面向物體辨認和語義朋分的快速掩膜 RCNN 2.8 強化進修 非常有效,迥殊是當翻譯公司想搭建一個機械人或下一個 DotA AI 時。 2.9 Google 大腦團隊的 Magenta 項目 這個項目旨在經由過程神經收集締造超卓的藝術和音樂作品。 2.10 深度雙邊進修及時圖象增強 一個很棒的圖象加強算法,來自 Google。 2.11 主動駕駛汽車項目 想造一輛主動駕駛汽車嗎?這是一個很好的入門翻譯 3. FAQ 假如半途卡住了怎麽辦? 起首,你得認識打聽機械進修不是 100% 正確的器材,大多數情形下只是一個很好的猜想,並 且需要大量的調劑疊代。大多半情形下,想出一個獨特的點子長短常困難的,因為你的時 間和資本將花消在練習模子上。 所以,不要自己想解決方案。去搜刮論文、項目,和乞助他人,積攢的經驗越多,翻譯公司會 幹的越好翻譯給幾個可能有效的網站: http://www.gitxiv.com http://www.arxiv-sanity.com https://arxiv.org https://stackoverflow.com 為甚麽論文不克不及完全解決這個問題,為什麽論文有些處所是錯的? 很遺憾,並非所有的科技人員都想把他們的功效公之於眾,但他們都需要揭曉論文來獲 得「名」或「利」。所以一些人可能只發布部門素材,或者給犯錯誤的公式翻譯所以 找 到代碼永遠比找到論文更有效 翻譯 哪裡可找到最新的資料? 參考上面保舉過的幾個網站, 特別是 gitxiv.com,不單單能找到論文,並且還能找到代 碼,所以特別適用。 我應當用雲較量爭論照樣桌機/筆記本電腦? 雲更適用於有大量計較需求的情況。對於進修和測試來講,利用桌機/筆記本電腦要便宜 很多,固然條件是配有撐持 CUDA 的顯卡翻譯例如,我自己就用一個筆記本練習模型,顯卡 是帶有 690CUDA 焦點的 GTX GeForce 960M。 固然, 若是有免費的雲資本可用,固然要用 。 若何更好地調劑超參數? 訓練的首要問題是時間。你不成能一向坐在那看著練習數據。是以,我建議你利用 Grid Search。根基上,只需要創建一組超參數和模子架構,然後一個接一個的運行,並留存結 果。如許就可以晚上練習,白日對照結果,找到最有進展的阿誰。

本篇文章引用自此: https://www.ptt.cc/bbs/deeplearning/M.1518514290.A.816.html有關各國語文翻譯公證的問題歡迎諮詢天成翻譯公司02-77260931
回應
關鍵字
[此功能已終止服務]
    沒有新回應!





Powered by Xuite