過去数年間、人工知能の分野では、新しい成果や新しい成果に関する定期的なニュースが殺到しています。 AIは、人間よりも画像をより適切に分類できました 。 AIは、人間よりも音声をよりよく認識できました 。 AIは外出中の男を倒しました。 AIは絵を描くことを学びました。 AIは音楽を作ることを学びました。 AIはジャーナリストになることを学びました。 AIは、人の感情 、 性別、年齢を認識することを学びました。 AIはTwitterで人種差別主義者になることを学びました。
これらの成果の大部分は、2つの要因に関連付けられています。大規模で高品質のデータセットの出現と、必要な計算能力の出現です。 全般的なディープラーニングアルゴリズムは、さまざまな修正を加えて同じままでした。
深刻な数学はこれらのアルゴリズムの背後に隠されているため、多くの人々は、ディープラーニングの分野をロケット科学のような耐え難いものと考えています。 トピックに没頭することは、実に簡単ではありません。 大量の情報とプレゼンテーションのさまざまなレベルのアクセシビリティ。 さまざまなトピックの理論的研究に数年費やすことができ、プロジェクトの実践と開発に進むことはできません。
私たちの意見では、ゾウは部分的に食べる必要があります。 ディープニューラルネットワークの成果の使用を開始するには、このアルゴリズムの背後にある直感を適切なレベルで理解し、各式を詳細に知らないことが必要な場合があります。 さらに、この分野での開発では、もちろん、マスターする必要があります。 しかし、実務経験が豊富なため、すでに簡単になっています。
これらの原則にほぼ沿って、 Deep Learning教育プログラムを設計しました。 次のようになります。
1日目：10：00〜20：00
- ニューラルネットワークの最新機能の概要
- ニューラルネットワークの基本
- 画像分類の原則。 畳み込みネットワーク（CNN）
- ケーススタディ。 有名なモデルの分析：LeNet、AlexNet、...
- 練習：Caffeライブラリ。 独自のニューラルネットワーク分類子をゼロから作成する
- 他のタスク（スタイル転送、検出/セグメンテーション、テキスト分類）に畳み込みネットワークを使用する
- ケーススタディ：イメージスタイルの転送。 Prismaなどのサービスの背後にあるアルゴリズムの仕組み
実験室の仕事。 仮想GPUマシンを使用した画像の最適な分類のための24時間365日の競争。
2日目：10：00〜20：00
- 実験室作業の分析と受賞者の報酬
- リカレントネットワークの基礎（RNN）。
- ニューラルネットワークを使用したテキストの分類。 Word2vec、doc2vec。 完全に接続されたネットワーク、畳み込みネットワーク、分類用のリカレントネットワーク。
- 練習：Keras / Theano Library。 RNNを使用してテキストの感情分析に取り組みます。
- シーケンス学習とseq2seqパラダイム。 seq2seqで解決されるタスクの例：翻訳、テキスト生成、音声認識
- ケーススタディ：「チャットボットの作成」。 ダイアログでのテキスト生成
- マルチモーダル学習。 通信畳み込みおよびリカレントネットワーク。 ケーススタディ：画像の説明の生成
- ビジネスにおけるディープラーニングのマスタークラス
たくさんの練習。 ビジネスについてたくさん。 問題を解決し、活動でそれをすべて使用し始めるために、そのレベルには同じくらい多くの理論があります。 土曜日の終日：11月26日と12月3日。
プログラムを効果的に完了するために知っておくべきこと：機械学習の基礎、Python言語、unixコマンドラインで作業するための基本スキル。
ちなみに、プログラムパートナーはIBM Bluemixで 、最新のGPUマシンの優れたフリートを持っています。 IBM Bluemixは、プログラムの各メンバーに、プログラムの8日間の24時間アクセスの一環として、GPUを備えた仮想マシンを提供します。
ここからプログラムに登録できます 。
じゃあね！