Deep Learning with Keras - Wprowadzenie
Deep Learning stało się modnym hasłem ostatnich dni w dziedzinie sztucznej inteligencji (AI). Przez wiele lat używaliśmy uczenia maszynowego (ML) do przekazywania maszynom inteligencji. W ostatnich dniach głębokie uczenie się stało się bardziej popularne ze względu na jego przewagę w przewidywaniach w porównaniu z tradycyjnymi technikami ML.
Głębokie uczenie się zasadniczo oznacza szkolenie sztucznej sieci neuronowej (SSN) z ogromną ilością danych. W uczeniu głębokim sieć uczy się sama, a zatem wymaga ogromnych danych do nauki. Podczas gdy tradycyjne uczenie maszynowe to zasadniczo zestaw algorytmów, które analizują dane i uczą się z nich. Następnie wykorzystali tę wiedzę do podejmowania inteligentnych decyzji.
Teraz, w Keras, jest to interfejs API sieci neuronowych wysokiego poziomu, który działa na TensorFlow - kompleksowej platformie uczenia maszynowego typu open source. Używając Keras, możesz łatwo definiować złożone architektury ANN, aby eksperymentować z dużymi zbiorami danych. Keras obsługuje także GPU, które stają się niezbędne do przetwarzania ogromnych ilości danych i tworzenia modeli uczenia maszynowego.
W tym samouczku nauczysz się wykorzystania Keras w budowaniu głębokich sieci neuronowych. Przyjrzymy się praktycznym przykładom nauczania. Rozpoznawany problem polega na rozpoznawaniu odręcznych cyfr za pomocą sieci neuronowej wyszkolonej przy użyciu głębokiego uczenia.
Aby bardziej podekscytować Cię głębokim uczeniem, poniżej znajduje się zrzut ekranu przedstawiający trendy Google dotyczące głębokiego uczenia się -
Jak widać na diagramie, zainteresowanie głębokim uczeniem się systematycznie rośnie w ciągu ostatnich kilku lat. Istnieje wiele obszarów, takich jak widzenie komputerowe, przetwarzanie języka naturalnego, rozpoznawanie mowy, bioinformatyka, projektowanie leków itd., W których z powodzeniem zastosowano głębokie uczenie się. Ten samouczek pozwoli Ci szybko rozpocząć głębokie uczenie się.
Więc czytaj dalej!