Введение в Машинное Обучение (Машинное Обучение: Zero to Hero, часть 1) - видео HD

Введение в Машинное Обучение (Машинное Обучение: Zero to Hero, часть 1) - видео
00:06:26
Обнаружено блокирование рекламы на сайте

Для существования нашего сайта необходим показ рекламы. Просим отнестись с пониманием и добавить сайт в список исключений вашей программы для блокировки рекламы (AdBlock и другие).

12n.ru 18476 роликов

Zero to Hero, часть 1) - видео.

Машинное обучение представляет собой новую парадигму программирования, где вместо явного задания правил на таком языке программирования как Java или C++, вы создаете систему, которая сама выводит эти правила, обучаясь на данных. Но как это выглядит на самом деле? В первой части серии «Машинное Обучение: Zero to Hero» Макс Горбунов показывает простой пример создания модели машинного обучения, объясняя идеи, которые мы применим в последующих эпизодах к более интересной проблеме – машинному зрению.

Попробуйте сами запустить этот аналог Hello World для Машинного Обучения → goo.gle/2Zp2ZF3

Плейлист Coding TensorFlow → goo.gle/2Y43cN4
Подписаться на канал TensorFlow → goo.gle/2WtM7Ak

RSS
Ivan
22:27
Спасибо, Макс) ❤️
Artur Pieszkow
18:16
Немного не понятно как импортировали input_shape, на выходе NameError: name 'input_shape' is not defined
Хакатоны и лекции по Искусственному Интеллекту
14:14
+6
Крутая лекция, очень доходчиво и просто)
Aristotel
11:23
import tensorflow as tf
import numpy as np
from tensorflow import keras

model = keras.Sequential([keras,layers.Dense(units=1, input_shape=[1])])
model.compile(optimizer='sgd', loss='mean_squared_error')

xs = np.array([-1.0, 0.0, 1.0, 2.0, 3.0, 4.0, 5.0, 6.0], dtype=float)

ys = np.array([-3.0, -1.0, 1.0, 3.0, 5.0, 7.0, 9.0, 11.0], dtype=float)

model.fit(xs, ys, epochs=500)

print(model.predict([10.0]))
TypeError Traceback (most recent call last)
<ipython-input-3-8d444eca525e> in ()
5 from tensorflow.keras import layers
6
----> 7 model = keras.Sequential([keras,layers.Dense(units=1, input_shape=[1])])
8 model.compile(optimizer='sgd', loss='mean_squared_error')
9

2 frames
/usr/local/lib/python3.7/dist-packages/keras/engine/sequential.py in add(self, layer)
176 layer = functional.ModuleWrapper(layer)
177 else:
--> 178 raise TypeError('The added layer must be an instance of class Layer. '
179 f'Received: layer={layer} of type {type(layer)}.')
180

TypeError: The added layer must be an instance of class Layer. Received: layer=<module 'tensorflow.keras' from '/usr/local/lib/python3.7/dist-packages/keras/api/_v2/keras/__init__.py'> of type <class 'module'>.

в чём ошибка?
Victoria Ell
13:38
Немного непонятно, если мы делаем нейронную сеть разве это не глубокое обучение? где эта грань между машинным и глубоким обучением?
Майкл Джексон
10:23
Я так понимаю, это для тех, кто уже разбирается в программировании а не для полных нулей? Ато я даже не понял вот эту штуку с Х и У
Олег
10:52
Спасибо большое
psilocibinum
05:49
Теперь знаю, кто такая Бурмистрова
vladig
08:36
Процесс обучения подразумевает осознанный процесс получения обучаемым от учителя конкретной информации с необходимым пояснением. Обучаемый в процессе обучения усваивает навыки анализа конкретной информации. То есть настоящий процесс обучения имеет когнитивный характер. Искусственные нейронные сети (ИНС) это технология получения (построения) предсказательных моделей путем обработки наборов статистических данных с ответами для выявления в них (не математическими методами, приемами) внутренних зависимостей параметров, описывающих эти данные, и оценки их информативности, чтобы в дальнейшем для новых исходных данных с таким же набором параметров получить правильный ответ.
Принципиальной особенностью такой модели является то, что она НЕ СПОСОБНА пояснить (объяснить) выдаваемый ей результат (ответ): почему и как получен такой, а не другой.
Поэтому процесс построения такого рода предсказательных моделей не корректно соотносить с процессом обучения, даже если это относится и к компьютеру.
Для этого существуют другие технологии которые ближе к процессу обучения, например, экспертные системы работающие на основе баз знаний и обладающие интеллектуальной объяснительной способностью при получения ими конкретного результата (ответа).
vasiapunkrok
19:52
Спасибо, все очень удобно