Полный курс на русском языке можно найти по этой ссылке.
Оригинальный курс на английском доступен по этой ссылке.
Выход новых лекций запланирован каждые 2-3 дня.
Давай узнаем больше о тех, кто нам этот курс подготовили и будут его вести.
Три человека:
Во-первых, кто такие developer advocates? Судя по этой статье с Хабра это евангелисты. Кто это такие — евангелисты?
Изучая машинное обучение мы столкнёмся со множеством новых и различных терминов, например, такие термины как искусственный интеллект, машинное обучение, нейронные сети и глубокое обучение. Что на самом деле означают эти термины и каким образом они соотносятся друг с другом?
Ниже мы разберём каждый из этих терминов и покажем их связь между собой.
Искусственный интеллект: область компьютерных наук, которая ставит своей целью добиться развития человеко-подобного интеллекта у компьютера. Существует множество способов добиться поставленной цели, включая машинное обучение и глубокое обучение.
Машинное обучение: набор связанных техник при использовании которых компьютер тренируется выполнять определённое задание, нежели непосредственное программирование решения задачи.
Нейронные сети: конструкция (структура) в машинном обучении вдохновлённая сетями нейронов (нервными клетками) в биологическом мозге. Нейронные сети являются фундаментальной частью глубокого обучения и будут изучены (затронуты) в этом курсе.
Глубокое обучение: под-область машинного обучения использующая многослойные нейронные сети (нейронные сети состоящие из нескольких слоёв). Часто термины «машинное обучение» и «глубокое обучение» взаимозаменяемы.
Машинное обучение и глубокое обучение так же состоят из множества под-областей, веток и уникальных техник. Один из самых значимых и известных примеров — разделение «обучения с учителем» и «обучение без учителя».
Говоря простым языком — в «обучении с учителем» вы знаете чему хотите научить компьютер, в то время как «обучение без учителя» аналогично предоставлению возможности компьютеру самому определить что может быть изучено. «Обучение с учителем» наиболее стандартный тип машинного обучения, и именно на нём мы сфокусируемся в данном курсе.
Python — базовые знания (циклы, условные операторы, списки, арифметические операции и ещё некоторые базовые структуры).
При желании можно воспользоваться библиотекой TensorFlow.js на любимом языке JavaScript в браузере.
TensorFlow так же позволяет работать, через «порты»-связки, с такими языками как Swift, R и Julia. Python и JavaScript, на данный момент, обладают наиболее полной поддержкой, поэтому рекомендованы.
Чтобы уменьшить количество софта, который понадобится ставить на локальную машину, по ходу всего курса мы будем использовать бесплатный сервис Google — Colab на базе Jupyter.
… и стандартные call-to-action — подписывайся, ставь плюс и делай share :)
YouTube: https://youtube.com/channel/ashmig
Telegram: https://t.me/ashmig
ВКонтакте: https://vk.com/ashmig
Какого рода англоязычные курсы в этом направлении стоит браться переводить for public и упаковывать в материалы (текстовые + видео)? Какой формат практических заданий наиболее подходящий в этих направлениях — готовые сборки на GitHub или отрывки кода для последующего собственного сведения всех частей?
Любая обратная связь приветствуется!
Оригинальный курс на английском доступен по этой ссылке.
Выход новых лекций запланирован каждые 2-3 дня.
Кто эти люди?
Давай узнаем больше о тех, кто нам этот курс подготовили и будут его вести.
Три человека:
- Magnus Hyttsten, Developer Advocate, Google
- Juan Delgado, Content Developer, Udacity
- Paige Bailey, Developer Advocate, Google
Во-первых, кто такие developer advocates? Судя по этой статье с Хабра это евангелисты. Кто это такие — евангелисты?
ИТ-евангелист — специалист, профессионально занимающийся пропагандой в сфере информационных технологий.Интересно.
Изучая машинное обучение мы столкнёмся со множеством новых и различных терминов, например, такие термины как искусственный интеллект, машинное обучение, нейронные сети и глубокое обучение. Что на самом деле означают эти термины и каким образом они соотносятся друг с другом?
Ниже мы разберём каждый из этих терминов и покажем их связь между собой.
Искусственный интеллект: область компьютерных наук, которая ставит своей целью добиться развития человеко-подобного интеллекта у компьютера. Существует множество способов добиться поставленной цели, включая машинное обучение и глубокое обучение.
Машинное обучение: набор связанных техник при использовании которых компьютер тренируется выполнять определённое задание, нежели непосредственное программирование решения задачи.
Нейронные сети: конструкция (структура) в машинном обучении вдохновлённая сетями нейронов (нервными клетками) в биологическом мозге. Нейронные сети являются фундаментальной частью глубокого обучения и будут изучены (затронуты) в этом курсе.
Глубокое обучение: под-область машинного обучения использующая многослойные нейронные сети (нейронные сети состоящие из нескольких слоёв). Часто термины «машинное обучение» и «глубокое обучение» взаимозаменяемы.
Машинное обучение и глубокое обучение так же состоят из множества под-областей, веток и уникальных техник. Один из самых значимых и известных примеров — разделение «обучения с учителем» и «обучение без учителя».
Говоря простым языком — в «обучении с учителем» вы знаете чему хотите научить компьютер, в то время как «обучение без учителя» аналогично предоставлению возможности компьютеру самому определить что может быть изучено. «Обучение с учителем» наиболее стандартный тип машинного обучения, и именно на нём мы сфокусируемся в данном курсе.
Что нам понадобится из инструментов?
Python — базовые знания (циклы, условные операторы, списки, арифметические операции и ещё некоторые базовые структуры).
При желании можно воспользоваться библиотекой TensorFlow.js на любимом языке JavaScript в браузере.
TensorFlow так же позволяет работать, через «порты»-связки, с такими языками как Swift, R и Julia. Python и JavaScript, на данный момент, обладают наиболее полной поддержкой, поэтому рекомендованы.
CoLab: площадка-песочница для наших приложений
Чтобы уменьшить количество софта, который понадобится ставить на локальную машину, по ходу всего курса мы будем использовать бесплатный сервис Google — Colab на базе Jupyter.
… и стандартные call-to-action — подписывайся, ставь плюс и делай share :)
Видео-версия статьи
YouTube: https://youtube.com/channel/ashmig
Telegram: https://t.me/ashmig
ВКонтакте: https://vk.com/ashmig
P.S.
Какого рода англоязычные курсы в этом направлении стоит браться переводить for public и упаковывать в материалы (текстовые + видео)? Какой формат практических заданий наиболее подходящий в этих направлениях — готовые сборки на GitHub или отрывки кода для последующего собственного сведения всех частей?
Любая обратная связь приветствуется!
