[Udemy]Машинное обучение с Python + Big Data - (Курс 11 из 17)

Складчина: [Udemy]Машинное обучение с Python + Big Data - (Курс 11 из 17)

Гость, ты можешь записаться в эту складчину и получить инфопродукт сразу после оплаты, никого не дожидаясь.
---

Глубокое обучение: рекуррентные нейронные сети на языке Python


​

Автор: Lazy Programmer Inc.
Формат: транскрибация видео​

Продолжительность: ~ 04:48
Перевод: Красный Кут
Тип перевода: Транскрибация с русским переводом
Всего: 39 видео лекции
Готовность: 18.03.19

ДЕМО ПЕРЕВОД ​

Решил сделать перевод всех курсов Lazy Programmer Inc. о искусственном интеллекте, машинном обучении,- взяв за основу материалы из этой складчины.

Вы также можете изучить на русском языке следующие курсы этого автора:
​

​

• 
  
  
  • 
    
    
    • Linear Regression in Python (Курс 1 из 17)​
    • Logistic Regression in Python (Курс 2 из 17)​
    • Deep Learning in Python (Курс 3 из 17)​
    • Easy Natural Language Processing (NLP) in Python (Курс 4 из 17)​
    • Data Science: Practical Deep Learning in Theano + TensorFlow (Курс 5 из 17)​
    • Data Analytics: SQL for newbs, beginners and marketers (Курс 6 из 17)​
    • Deep Learning: Convolutional Neural Networks in Python (Курс 7 из 17)​
    • Cluster Analysis and Unsupervised Machine Learning in Python (Курс 8 из 17)​
    • Глубокое обучение без учителя на языке Python (Курс 9 из 17)​
    • Машинное обучение без учителя: скрытые марковские модели на языке Python (Курс 10 из 17)​

ЧЕМУ ВЫ НАУЧИТЕСЬ

Спойлер

– понимать, что такое простой рекуррентный нейрон (нейрон Элмана);

– понимать, что такое GRU (управляемый рекуррентный нейрон);

– понимать, что такое LSTM (нейрон длинной краткосрочной памяти);

– создавать разнообразные рекуррентные нейронные сети в Theano;

– понимать метод обратного распространения во времени;

– понимать, как смягчить проблему исчезающего градиента;

– решать проблему XOR и проблему чётности с использованием рекуррентной нейронной сети;

– использовать рекуррентные нейронные сети для языкового моделирования;

– использовать рекуррентные нейронные сети для генерации текста, в частности стихов;

– наглядно показывать вложения слов и искать зависимости в векторных представлениях слов.

ТРЕБОВАНИЯ

Спойлер

– дифференциальное счисление;

– линейная алгебра;

– Python, Numpy, Matplotlib;

– создание нейронной сети в Theano;

– понимание метода обратного распространения ошибки;

– теория вероятностей (условное и совместное распределение);

– создание нейронной сети в TensorFlow.

ОПИСАНИЕ

Спойлер

Подобно недавно выпущенному мною курсу по скрытым марковским моделям, рекуррентные нейронные сети полностью посвящены изучению последовательностей, но тогда как марковские модели ограничены марковским допущением, рекуррентные нейронные сети – нет, и, как результат, они более выразительны и более мощны, чем что-либо виденное нами ранее, и позволяют решать задачи, в которых мы не могли добиться успеха в течение десятилетий.

Итак, что же представляет из себя данный курс и как он опирается на предыдущие курсы по нейронным сетям и скрытым марковским моделям?

В первом разделе курса мы добавим понятие времени применительно к нашим нейронным сетям.

Я познакомлю вас с простым рекуррентным нейроном, также известным как нейрон Элмана.

Мы пересмотрим проблему XOR, но при этом расширим её, так чтобы она стала проблемой чётности – вы увидите, что обычные нейронные сети прямого распространения сталкиваются с затруднениями при их решении, но рекуррентные сети будут работать. Хитрость тут в том, что входные данные обрабатываются как последовательности.

В следующем разделе курса мы вновь обратимся к одному из наиболее популярному приложению рекуррентных нейронных сетей – языковому моделированию.

При изучении марковских моделей вы видели, что у нас получалось делать такие вещи, как генерация стихов, и это даже неплохо выглядело. Мы могли даже различать двух разных поэтов лишь из последовательностей используемых ими частей речи.

В этом курсе мы расширим нашу языковую модель, чтобы больше не нуждаться в марковском предположении.

Ещё одно популярное приложение нейронных сетей применительно к языкам – слова-векторы или вложения слов. Наиболее общая методика называется Word2Vec, но я покажу, как рекуррентные нейронные сети также могут использоваться для создания слов-векторов.

В следующем разделе мы рассмотрим очень популярный LSMT, то есть нейрон долгой краткосрочной памяти, а также более современный и эффективный GRU, он же управляемый рекуррентный нейрон, который, как доказано, даёт сопоставимую производительность.

Мы используем их применительно к некоторым практическим задачам, таким как изучение языковой модели из Википедии и, как результат, визуализация вложений слов.

Все материалы, необходимые для этого курса, могут быть загружены и установлены БЕСПЛАТНО. Основную часть работы мы проделаем в Numpy, Matplotlib и Theano. Я всегда готов ответить на ваши вопросы и помочь в путешествии по науке об обработке данных.

Этот курс сконцентрирован на том, «как создавать и понимать», а не просто «как использовать». Любой может овладеть пользовательским интерфейсом за 15 минут после прочтения соответствующей документации. Речь идёт не о «запоминании фактов», а о «саморазвитии» посредством набора опыта. Курс научит вас, как наглядно видеть, что происходит внутри модели. Если хотите большего, чем просто поверхностного взгляда на модели машинного обучения, - этот курс для вас.

До встречи на занятиях!

Источник

​

 

Ура! @Красный Кут, @Testimonial Спасибо, что так быстро собираемся!!!!))))

 

Да, только вот ценник совсем не радует.

 

Хорошая работа должна хорошо оплачиваться!

 

По сути сабжа я о количестве складчиков пишу, а вы отвечаете о работе, ну совсем не в тему!

 

@Красный Кут , Скрытая ссылка нет желания вот эти курсы перевести? Там есть блок из 7 курсов: использование ML и NN в алготорговле.

 

А я пишу о том, что нужен материал плати, не нужен не плати. Смысл говорить про "конский ценник"? Складчиков прибавится? Для меня, например, такие возмущения кажутся не приемлемыми, ведь платим 1/25 часть.

 

Друзья если складчина сорвётся я уйду из этого клуба) Поэтому кто заинтересован в материале прошу остаться в складчине

 

Я думаю костяк порядка заинтересованных 20 человек есть. Я готов "стоять в строю" до 2,5 тыс.

 

Поддерживаю! Знания ценные!

 

А может напишите тем, кто сейчас в резервном списке, чтобы они выписались из складчины и снова вписались? Цена от этого уменьшится рублей на 300. Я не знаю могут ли простые члены клуба такое писать в личке, но орг наверное точно имеет на это право (если ошибаюсь, то поправьте)

 

Если вы внимательно посмотрите на резервный срисок, то неприятно удивитесь))). Там забанены почти все.

 

мда, ценник растет от части к части непомерно((((

вот мне с ипотекой и такими ценниками, зубы на полку походу придется положить. >_<

 

Если вы практикуете полученные знания,тогда вы окупите их в стократ.

 

Так в том и у многих проблема - не все практикуют. Точнее практикуют, но учатся. Жаль если не дойдем до конца...

 

я в силу определенных причин, сосредоточен пока на Oracle, а тему с машинным обучением выбрал для переквалификации на будущее.

зп у data science инженеров на порядки выше, по этому постараюсь потянуть даже конский ценник, но все равно, рост цены огорчает, вся надежда на окупаемость в будущем.

 

Друзья, всё будет хорошо, верьте! С этими переводами есть возможность, а без них пришлось бы всем 1С учить
Спасибо, @Красный Кут, за титанические труды и не переживай, люди записываются. То, что ты делаешь очень нужно. Прошу, переведи до конца, мы все ждем и верим в тебя