چگونه در شش ماه یادگیری عمیق یاد بگیریم

چگونه در شش ماه  یادگیری عمیق یاد بگیریم


  • 191 بازدید

می توان ادعا کرد که در شش ماه میتوان یادگیری عمیق را فرگرفت. در این مقاله به این موضوع پرداخته خواهد شد.

برای یادگیری مفاهیم یادگیری عمیق مراحل زیر را باید طی کرد:

  1. یادگیری مفاهیم اصلی ریاضی این رویکرد.
  2. کار با کدهای پایتون یادگیری عمیق
  3. مطالعه کتابها و مقالات اخیر چاپ شده

 

گام صفر

صد مقاله فارسی در مورد يادگيری عميق می توان اولین گامی باشد که در جهت یادگیری مفاهیم یادگیری عمیق باید بردارید. در این مجموعه مقالات صد مقاله فارسی در مورد يادگيری عميق جمع آوری شده است. یک هفته در بین این مقالات چرخ بزنید آن وقت می توانید به نگرشی در مورد یادگیری عمیق برسید و از کاربردهای و الگوریتم  های آن باخبر شوید.

 

گام اول

مانند بسیاری از موضوعات لازم نیست جزئیات نحوه کار یادگرفته شود. نیازی نیست برای فهم یادگیری عمیق  با نحوه کار الگوریتم های یادگیری عمیق فهمیده شود. همان طور که برای راندن ماشین نیازی نیست از عملکرد کلاچ و موتور اطلاعی داشته باشیم.

در گام اول تماشای مجموعه ویدیوی زیر مربوط به کلاس های یادگیری عمیق سال 2019 توصیه می شود:

https://course.fast.ai/

این مجموعه ویدیو از قسمت های زیر تشکیل شده است:

1 - Image classification

2 - Production; SGD from scratch

3 - Multi-label; Segmentation

4 - NLP; Tabular data; Recsys

5 - Backprop; Neural net from scratch

6 - CNN deep dive; Ethics

7 - Resnet; U-net; GANs

8 - Backprop from the foundations

9 - The training in depth

10 - Looking inside the model

11 - Data Block API; generic optimizer

12 - Advanced training; ULMFiT

13 - Swift: Deep Learning Basics

14 - Swift: Putting it all togeth

 

البته بخش دوم یعنی بخش 7 به بعد این آموزش کمی پیشرفته است و ممکن است سخت باشد.

 

گام دوم

 

اکنون زمانی برای دانستن برخی از اصول پایه است در این دوره درمورد ریاضی و جبرخطی یاد میگیرید .

برای ریاضایت میتونید به big picture of calculus رجوع کنید

و برای درس جبر خطی هم در سایت opencourseWare برید و دوره هایی را که Gilbert Strang گذاشته است را می توانید مشاهده کنید.

اگر هر دو ویدیوی بالا را مشاهده کردید اکنون زمان مشاهده, Matrix Calculus for Deep Learning است.

گام سوم

یک پروژه تحقیقاتی در زمینه یادگیری عمیق انجام بدید. با کتابخانه های یادگیری عمیق مانند Tensorflow, PyTorch, MXNet و .... کار کنید. یک معماری از پایه برای یک مسئله که به آن علاقه مندید را توسعه دهید.

اکنون می توان ادعا کرد که وارد دنیای یادگیری عمیق شده اید.