Глубокое обучение от Udacity и Coursera


Только что началась новая продвинутая наноразмерная степень по глубокому обучению с подкреплением от Школы искусственного интеллекта Udacity. Так же обстоит дело с другой презентацией специализации Coursera по глубокому обучению, которую преподает Эндрю Нг.

Раскрытие информации: когда вы совершаете покупку, перейдя по ссылке из этой статьи, мы можем получать партнерскую комиссию.

«Глубокое обучение», которое в настоящее время считается самой горячей областью исследований в области искусственного интеллекта, вызывает большой интерес и восторг. Подход, сочетающий обучение с подкреплением и нейронные сети, впервые попал в заголовки газет, когда DeepMind AlphaGo победил чемпиона мира по игре в го Ли Седола. Самая последняя история, за которой мы следили, касается OpenAI Five, команды агентов ИИ, которые научились играть в Dota 2, одну из самых сложных киберспортивных игр в мире. Как утверждает Udacity, глубокое обучение с подкреплением – это:

ближе всего мы подошли к разработке ИИ, который может учиться и развиваться, как человек!

Мы впервые услышали о технологии глубокого обучения с подкреплением Nanodegree, когда в марте Udacity запустила свою школу искусственного интеллекта. Он находится на продвинутом уровне и требует опыта работы с Python, вероятностью и машинным обучением, все из которых можно получить с помощью существующих курсов Udacity, в частности, его нанодегрессии инженера по машинному обучению, см. Больше машинного обучения от Udacity. Для этого также необходимо, чтобы вы уже обладали знаниями в области глубокого обучения, которые можно получить, взяв Udacity на промежуточный уровень Deep Learning Nanodegree, который охватывает передовые темы, такие как нейронные, сверточные, рекуррентные нейронные и генеративные состязательные сети, и имеет проекты в Керасе и NumPy в дополнение к TensorFlow. Обновленная версия с основными примерами в PyTorch стартует 11 сентября, и этот трейлер расскажет вам больше:

Набор на первую презентацию Deep Reinforcement Learning заканчивается 28 августа. Его можно пройти за 4 месяца, изучая 10-15 часов в неделю, и стоит 999 долларов. Как и в других наностепенях, студенты работают над проектами и просматривают видеолекции. В данном случае есть четыре курса и три проекта :.

Курс 1: Основы обучения с подкреплением Освойте основы обучения с подкреплением, написав собственные реализации многих классических методов решения.

Курс 2: Методы, основанные на ценностях. Применение архитектур глубокого обучения для задач обучения с подкреплением. Обучите собственного агента, который перемещается по виртуальному миру на основе сенсорных данных.

Проект 1: Навигация: используйте нейронные сети для обучения агента, который учится интеллектуальному поведению на основе сенсорных данных.

Курс 3: Методы, основанные на политике: Изучите теорию эволюционных алгоритмов и методов градиента политики. Разработайте свой собственный алгоритм для обучения моделируемой роботизированной руки достижению целевых местоположений.

Проект 2: Непрерывный контроль Обучите роботизированную руку достигать целевых точек или научите четвероногое виртуальное существо ходить.

Курс 4: Многоагентное обучение с подкреплением Узнайте, как применять методы обучения с подкреплением к приложениям, в которых задействовано несколько взаимодействующих агентов. Эти методы используются во множестве приложений, таких как координация автономных транспортных средств.

Проект 3: Сотрудничество и конкуренция. Обучите систему агентов продемонстрировать сотрудничество или сотрудничество при выполнении сложной задачи.

Создавая эту наноразмерную степень, Udacity сотрудничал с Unity и NVIDIA Deep Learning Institute, чтобы создать программу, сочетающую теорию и практическое применение, которая позволяет участникам исследовать сложные задачи в различных областях, от игр до финансов и робототехники. В ходе программы студенты будут реализовывать несколько алгоритмов обучения с глубоким подкреплением, используя комбинацию Python и PyTorch, для создания проектов, которые будут служить частью портфолио GitHub, чтобы продемонстрировать ваше мастерство в этой продвинутой области. Репозиторий GitHub для курса содержит учебные пособия, составляющие курс.

Мы рассмотрели специализацию Coursera по глубокому обучению, которую преподавали Эндрю Нг и другие сотрудники его компании Deeplearning.ai, когда она впервые была запущена год назад, и до того, как появились подробности обо всех ее модулях. Теперь это хорошо зарекомендовало себя, и каждый из курсов имеет рейтинг 4,8 из 5 или выше.

На среднем уровне и с использованием Python и Tensorflow эта специализация состоит из 5 коротких курсов, каждый из которых также можно пройти автономно. Аудит большей части материалов можно пройти бесплатно, но для получения всех преимуществ и официальных сертификатов об успешном завершении курсов ежемесячная плата в размере 49 долларов США дает неограниченный доступ ко всему каталогу Coursera и 7-дневную бесплатную пробную версию.

Нейронные сети и глубокое обучение 4 недели, 3-6 часов в неделю

Улучшение глубоких нейронных сетей: настройка гиперпараметров, регуляризация и оптимизация 3 недели, 3-6 часов в неделю

Структурирование машинного обучения 2 недели, 3-4 часа в неделю

Сверточные нейронные сети 4 недели, 4-5 часов в неделю

Последовательные модели: 3 недели, 4-6 часов в неделю.

На этих пяти курсах вы изучите основы глубокого обучения, поймете, как создавать нейронные сети, и научитесь руководить успешными проектами машинного обучения. Вы узнаете о сверточных сетях, RNN, LSTM, Adam, Dropout, BatchNorm, инициализации Xavier / He и многом другом. Вы будете работать над тематическими исследованиями из здравоохранения, автономного вождения, чтения на языке жестов, создания музыки и обработки естественного языка. Вы освоите не только теорию, но и увидите, как она применяется в промышленности.

ОБНОВЛЕНИЕ июнь 2020 г .:

Они также предусматривают переход ко второй специализации с deeplearning.ai, Специализация по естественному языку, которая была запущена 19 июня 2020 года – см. Новая специализация по обработке естественного языка на Coursera.


Добавить комментарий