КАК ШАЙТАН-НЕЙРОНКИ РАБОТАЮТ ПОД КАПОТОМ или если ты присм | Новости СД ИТ
КАК ШАЙТАН-НЕЙРОНКИ РАБОТАЮТ ПОД КАПОТОМ
или если ты присматриваешься к Data Science
В предыдущей серии:
1. В МО любая задача реального мира сводится к оптимизации некоторой функции. В зависимости от требований мы хотим получить её максимальное или минимальное значение.
2. Метод оптимизации — это процесс поиска параметров, при которых функция будет принимать своё оптимальное значение.
3. Градиентный спуск и его модификации — основные методы оптимизации функции потерь (мера несоответствия предсказанных и реальных значений) в нейронных сетях.
4. ГС опирается на понятие частных производных функции.
5. TensorFlow — популярный фреймворк глубокого обучения разработанный командой Google Brain в 2015 году. Предоставляет инфраструктуру для манипулирования тензорами, реализует автоматическое дифференцирование и распараллеливание вычислений.
6. Keras — библиотека на Python, представляющая надстройку над TensorFlow. Нацелена на оперативную работу с сетями глубокого обучения.
САША ЕРГИН: Наконец-то начала складываться картинка, как эти шайтан-нейронки работают под капотом. Потихоньку вспоминаю математику, которая после универа благополучно забылась.
Более понятного объяснения, как всё это дело работает, я ещё не видел. Немного сложновато из-за большой плотности информации, но в будущем он обещал практику для закрепления.)
АРТУР САГИТУЛЛИН: После митапа прям почувствовал, как снизился мой входной порог к изучению машинного обучения, если захочу вникнуть в эту тему глубже.
Из плюсов — подача информации, всё предельно доступно, последовательно и с примерами. Из минусов — два с половиной часа пролетели незаметно.
ЕЛЕНА ЧЕРНЫХ: Тема незнакомая, поэтому интересно и полезно узнать, что это вообще такое. Порадовалась, что понимаю описание исходной задачи и математическое описание процесса. Понятное объяснение, наглядное представление информации, визуализация. Для меня только многовато нового за один раз.
В следующей серии: Нейрон — это базовая единица нейронной сети. Представляет собой всего лишь линейную функцию. Однако сети способны с лёгкостью аппроксимировать и нелинейные данные. В архитектуре сети за это отвечают функции активации. О них мы и поговорим на следующей встрече. Как всегда на простых и показательных примерах.
Спойлер: следующая серия будет точно короче предыдущей)
До встречи на митапе) Среда, 10 февраля, 16.00 (время тюменское), спикер Данил Зитцер.
#митапы_ИТ
