Machine Learning & Deep Learning първи стъпки - част 1

Андрю Нг, който основа Google Brain инвестира в AI стартиращи фирми 

През последното половин десетилетие, милиарди долари от финансиране за научни изследвания и рисков капитал се "изляха" в AI технологиите.

Човешкият мозък е, както казва неврологът д-р Джоузеф Ледукс, в The Emotional Brain (1996), "най-сложната машина, която можем да си представим". Не е чудно, тъй като мозъкът се състои от повече от 100 милиарда неврони и около 1 квадрилион невронни връзки общо.



Как да се запознаем с  AI : Machine Learning & Deep Learning

Безплатни курсове

Започнете с курса за Machine Learning на Coursera на Andrew Ng. Това ще ви научи на основите на машинното обучение и ще подобри малко умението ви за линейна алгебра.
Уверете се, че сте изпълнили всички задачи и след като сте завършили курса, ще получите сертификат за машинно обучение включващо концепции при линейната регресия, логистична регресия, SVM, невронни мрежи и клъстеризиране на К-средства.

Този курс ще ви отвори очите и ще ви накара да се чувствате по-уверени, за да се впуснете в страната на ML и Deep Learning. Имайте предвид факта, че има толкова много други важни понятия, които този курс няма да може да покрие.

https://www.coursera.org/learn/machine-learning


Ако сте суперативни след завършване на курса на д-р Нг, може стремително да се впуснете в поредицата от курсове, предлагани като част от специалността за Machine Learning на Coursera.

Ng провежда изследвания в областта на компютърните науки като разпознаване на изображения и реч. Ng е също така доцент в катедрата по компютърни науки и отдела по електротехника в университета в Станфорд, Калифорния, частна изследователска институция.


Fast.ai предлага безплатен онлайн курс за Deep Learning в две части:

Deep Learning част 1: Practical Deep Learning for Coders/Практическо дълбоко обучение за кодери

Deep Learning Част 2: Cutting Edge Deep Learning for Coders/

След тези курсове може да сте готови да се справите с курсът на Hinton, който е относително по-труден в сравнение с предишните споменати курсове, тъй като лекциите са доста сухи и съдържат повече концепции за математика. Ако смятате, че все още не можете да се справите с курса, не се обезсърчавайте! Оставете го за известно време и направете частта Математика (описана в следващия раздел), след което се върнете. 
Помнете, решителност, решителност и да, по-голяма решителност. 

https://www.coursera.org/learn/neural-networks



Математика

Deep Learning определено изисква да имате силни познания по алгебра, Диференциално смятане и Векторна гравитация. Ако искате бързо да "изтъркате" елементарна линейна алгебра и да започнете да кодирате, препоръчително е да се запознаете с ръководството на Хауърд за Невронни мрежи на Андрей Карпати.

http://karpathy.github.io/neuralnets/

Математическите концепции работят с помощта на Python (Numpy). 
Ако искате да научите от видеоклипове, 3blue1brown има един от най-интуитивните видеоклипове за концепции в линейна алгебра, смятане, невронни мрежи и други интересни теми за математика. 

Description3blue1brown, by Grant Sanderson, is some combination of math and entertainment, depending on your disposition. The goal is for explanations to be driven by animations and for difficult problems to be made simple with changes in perspective.

Тук е момента да спомена за " Learn Python the hard way" учебник. 

https://learnpythonthehardway.org/

Deep Learning използва алгоритъм, наречен backpropagation или backprop, който настройва математическите, така че даден вход води до правилния изход. 

DL е математика: статистически метод, при който компютрите се научават да класифицират модели, използващи невронни мрежи.

Още по темата скоро