कैसे प्रशिक्षित करने के लिए अपनी पहली तंत्रिका नेटवर्क

जानने के लिए सिखाने के लिए तंत्रिका नेटवर्क बहुत आसान है से आपको लगता है कि

की मुख्य प्रवृत्ति पिछले कुछ वर्षों में निश्चित रूप से कहा जा सकता है तंत्रिका नेटवर्क, मशीन सीखने और उनके साथ जुड़े सब कुछ. और वहाँ रहे हैं गंभीर कारणों से है, क्योंकि हाल के वर्षों में, तंत्रिका नेटवर्क के साथ अपने कौशल. इसके अलावा, तंत्रिका नेटवर्क हो सकता है केवल एक के लिए उनके वोट करने के लिए और "पुनर्जीवित" के चित्रों के Dostoevsky और मर्लिन मुनरो, तो वह अभी भी दिखाने के लिए सक्षम, 20, 30 और यहां तक कि 50 साल! बेशक, यह सब नहीं करता है एक तंत्रिका नेटवर्क — दुनिया में वहाँ रहे हैं कई इसी तरह की परियोजनाओं में शामिल है, जो विशेषज्ञों में डेटा विज्ञान है.

कैसे किया तंत्रिका नेटवर्क

यह सभी के साथ शुरू प्रयास के वैज्ञानिकों के लिए लाने के सिद्धांत के संचालन के लिए कंप्यूटर की मानसिकता का व्यक्ति है । यह दशकों के अनुसंधान, और अंत में यह संभव हो गया है की मदद के साथ तंत्रिका नेटवर्क — कंप्यूटर सिस्टम की रचना की सैकड़ों, हजारों या लाखों लोगों के कृत्रिम मस्तिष्क की कोशिकाओं है कि कर सकते हैं जानने के लिए और सिद्धांत पर काम करते हैं, बहुत ही इसी तरह के काम के लिए मानव मस्तिष्क है ।

<पी>बेशक, कहने के लिए असंभव है कि एक तंत्रिका नेटवर्क है एक सटीक कृत्रिम नकल के मस्तिष्क. यह महत्वपूर्ण है कि नोट करने के लिए तंत्रिका नेटवर्क का पहला है एक कंप्यूटर सिमुलेशन: इन नेटवर्कों द्वारा बनाई गई हैं प्रोग्रामिंग पारंपरिक कंप्यूटर में है, जो परंपरागत तरीके से कर रहे हैं साधारण ट्रांजिस्टर, संयुक्त में एक तार्किक कनेक्शन.

के रूप में एक तंत्रिका शुद्ध उत्पन्न करता है एक नई तस्वीर है/< / p>

क्या कर रहे हैं तंत्रिका नेटवर्क

पारंपरिक कृत्रिम तंत्रिका नेटवर्क के होते हैं दसियों, सैकड़ों, हजारों, या यहाँ तक कि लाखों लोगों के कृत्रिम न्यूरॉन्स. वे कर रहे हैं ब्लॉक कहा जाता है — वे कर रहे हैं, परतों में व्यवस्था की है, जहां प्रत्येक इकाई से जुड़ा हुआ है के लिए. वहाँ रहे हैं ब्लॉक के इनपुट के साथ जो तंत्रिका नेटवर्क जानकारी प्राप्त करता है, और उत्पादन इकाइयों — वे कर रहे हैं के लिए जिम्मेदार उपचार के परिणाम.

जब नेट प्रशिक्षित किया जाता है, नमूने के बारे में जानकारी "फेड" उसे करने के लिए ब्लॉक के माध्यम से इनपुट की, और फिर पाने के लिए इकाइयों का उत्पादन । उदाहरण के लिए, आप कर सकते हैं दिखाने के लिए तंत्रिका नेटवर्क की एक बड़ी संख्या की तस्वीरें कुर्सियों और तालिकाओं, अधिकतम उपलब्ध समझा, उसे करने के लिए के बीच अंतर इन फर्नीचर के टुकड़े. और फिर उसे पूछने के लिए वस्तु की पहचान चित्र में पता चलता है, जो एक अलमारी है । पर निर्भर करता है कैसे प्रभावी ढंग से आप प्रशिक्षित तंत्रिका नेटवर्क, यह की कोशिश करता है से संबंधित करने के लिए वह क्या देखा करने के लिए, श्रेणी के आधार पर अपने अनुभव.

कैसे प्रशिक्षित करने के लिए तंत्रिका नेटवर्क

तंत्रिका नेटवर्क को प्रशिक्षित कर रहे हैं "के साथ विधि की त्रुटि वापस-प्रसार". यह संभव है के साथ तुलना करने के लिए आउटपुट डेटा के साथ प्राप्त करने की उम्मीद है और उपयोग के बीच मतभेद के लिए इन आंकड़ों में परिवर्तन के बीच कनेक्शन ब्लॉक नेटवर्क में शामिल. अधिक प्रशिक्षित तंत्रिका नेटवर्क, यह तेजी से बदल जाता है करने के लिए शून्य करने के लिए कम के बीच अंतर वांछित और वास्तविक परिणाम है.

एक मशीन सीखने मॉडल ।

एक बार जब तंत्रिका नेटवर्क को प्रशिक्षित किया गया था का उपयोग कर के लिए पर्याप्त संख्या में उदाहरण के लिए, यह मंच तक पहुँचता है, जहां आप प्रदान कर सकते हैं एक ब्रांड नए सेट के इनपुट डेटा, जो वह कभी नहीं देखा था, और उसकी प्रतिक्रिया के लिए.

तंत्रिका नेटवर्क के उपयोग सीमित नहीं है । इसलिए, वे खोज कर सकते हैं चित्र द्वारा या कार्य करने के लिए के रूप में एक आवाज सहायक — एक ही ऐलिस पहले से ही करीब के रूप में अपने व्यवहार के लिए एक वास्तविक व्यक्ति है. या संभावना की गणना के रोगों का पता लगाने के लिए ट्यूमर छवियों में, धोखाधड़ी से लड़ने के लिए और इतने पर ।

यह संभव है जानने के लिए साथ काम करने के लिए तंत्रिका नेटवर्क

इससे पहले, इस संभावना प्रदान किया गया था केवल करने के लिए वैज्ञानिकों, क्योंकि अनुभव के क्षेत्र में तंत्रिका नेटवर्क और मशीन सीखने गया था, भी कच्चे । लेकिन अब किसी भी प्रौद्योगिकी कंपनी उत्पन्न डेटा की विशाल राशि के लिए संसाधित किया जा सकता है, तो यह के आधार पर अनुकूलन करने के लिए व्यापार के लिए संभावनाओं का विश्लेषण. के लिए इस और अन्य समस्याओं के साथ जुड़े तंत्रिका नेटवर्क और मशीन सीखने, हम विशेषज्ञों की जरूरत में डेटा विज्ञान है.

मैं कैसे एक हो जाते हैं? स्वतंत्र रूप से यह लगभग असंभव है. यह एक गंभीर विशेषज्ञता की आवश्यकता है, जो उन लोगों के साथ बातचीत कर रहे हैं, जो पहले से ही इस क्षेत्र में काम कर. इसलिए, स्कूल डेटा SkillFactory खोलता है एक नया सेट पर पूरा . इस कोर्स में, उद्योग के पेशेवरों, सहित के कर्मचारियों Yandex, और NVIDIA, सिखाया जाता है की पेचीदगियों को काम कर रहे हैं, जो नहीं लिखा पाठ्यपुस्तकों में.

सभी शिक्षकों — विशेषज्ञों के क्षेत्र में डेटा विज्ञान

आप उपयोग कर सकते हैं यह जानने के लिए विज्ञान के डेटा के साथ काम करने से खरोंच, यहां तक कि अगर तुम कभी नहीं जीवन में लगे हुए थे में प्रोग्रामिंग. यह अनुमति देता है आप को प्राप्त करने के लिए सभी आवश्यक कौशल में विशेषज्ञ डेटा विज्ञान — से अजगर में प्रोग्रामिंग, सहित में गहराई से अध्ययन के पंडों के लिए डेटा विश्लेषण करने के लिए, एम, गहरी सीखने और डेटा विज्ञान है. लगभग 20% के सिद्धांत और 80% अभ्यास, के बाद से केवल वास्तविक उदाहरण का अवसर एक समर्थक बनने के लिए इस क्षेत्र में.

पाठ्यक्रम चलाता है 12 महीने के लिए

सीखने की प्रक्रिया में, आप में सक्षम हो जाएगा बनाने के लिए अपनी खुद की परियोजनाओं के क्षेत्र में छवि मान्यता, एनएलपी और स्कोरिंग. के साथ एक साथ शिक्षकों और आकाओं को समझना होगा नौकरी का विवरण और आवश्यक प्रतिक्रिया. इसके अलावा, SkillFactory मदद के साथ रोजगार और की सिफारिश करने के लिए इंटर्नशिप में बड़ी कंपनियों. उदाहरण के लिए, स्नातकों को काम करने का अवसर है में अल्फा बैंक, बायर, हेंकेल, Sberbank और अन्य अग्रणी संगठनों.

पर प्रशिक्षण के पूरा होने का एक प्रमाण पत्र जारी किया जाता है

अब और 15% छूट पर प्रशिक्षण में <मजबूत>प्रोमो-कोड हाय-समाचार (वैध जब तक 15.02.2020). किट जल्द ही खत्म हो जाएगा, तो सोचने के लिए समय नहीं है इतना.