Изкуствен интелект, машинно обучение, дълбоко обучение. всички са все по-популярни понятия. Изглежда нещо от бъдещето, но се използва все повече и повече във всички области на живота. Не само в интернет, не само в компютърното зрение. Те диагностицират заболявания, оптимизират проблеми, карат автомобили и куп други неща.
За какво ще говорим
Няма да публикуваме новини. Ще се опитаме да получим полезна информация, както обикновено в Икаро. Събиране на инструменти, опит за обяснение на концепции, правене на примери за машинно обучение. Приложения в различни области, като IoT, и всеки интересен лист с данни, който намерите.
Не съм експерт. В процес съм на обучение, но мисля, че мога да допринеса за знанията, които придобивам и усъвършенствам с тях.
Идеята на проекта е давайте гласови инструкции за взаимодействие чрез нашия компютър или нашия Raspberry Pi, използвайки модела Voice-to-text Whisper.
Ние ще дадем поръчка, която ще бъде транскрибирана, преобразувана в текст с Whisper и след това анализирана, за да изпълни подходящата поръчка, която може да бъде от изпълнение на програма до подаване на напрежение към щифтовете RaspberryPi.
Ще използвам стар Raspberry Pi 2, микро USB и ще използвам модела Voice-to-text, пуснат наскоро от OpenAI, Шепот. В края на статията можете да видите още малко шепот.
Току -що направих курса за програмисти за Курс за срив на машинно обучение на Google. Уводен курс, където ви дават основите и виждат примери за реални реализации с TensorFlow. Тези примери са онова, което ме насърчи да го направя.
Колаборатория, наричана още google colab Това е продукт на Google Research и се използва за писане и стартиране на Python и други езици от нашия браузър.
Какво е
Оставям ви ръководство за начинаещи, което идеално допълва тази статия
Colab е хостван Jupyter, инсталирани и конфигурирани, така че да не се налага да правим нищо на нашия компютър, а просто да работим от браузъра, върху ресурси в облака.
Можете да видите абсолютно същото като Jupyter нашата статия. Те са бележници или тетрадки, базирани на клетки, които могат да бъдат текстове, изображения или код, в тази стъпка на Python, защото за разлика от Jupyter Colab в момента може да се използва само ядрото на Python, те говорят за внедряване на по -късни други като R, Scala и т.н. , но не е посочена дата.
Разглеждайки историческите данни, предлагани от метеорологична обсерватория в моя град, виждам това те ги предлагат само графично и за изтегляне като PDF. Не разбирам защо не ви позволяват да ги изтегляте в csv, което би било много по-полезно за всички.
Така че съм търсил такъв решение за предаване на тези таблици от pdf в csv или ако някой иска да форматира Excel или Libre Office. Харесва ми csv, защото с csv правиш всичко, с което можеш да се справиш с python и неговите библиотеки, или можеш лесно да го импортираш във всяка електронна таблица.
Тъй като идеята е да се постигне автоматизиран процес, това, което искам, е скрипт за работа с Python и тук идва Tabula.
В тази статия оставям a Ръководство за инсталиране на Anaconda и как да използвате вашия мениджър на пакети Conda. С това можем да създадем среди за разработка на python и R с библиотеките, които искаме. Много интересно е да започнете да се забърквате с машинно обучение, анализ на данни и програмиране с Python.
Anaconda е безплатна и с отворен код дистрибуция на езиците за програмиране Python и R, широко използвани в научни изчисления (Data ScienceData Science, машинно обучение, наука, инженерство, прогнозен анализ, големи данни и др.).
Той инсталира голям брой приложения, широко използвани в тези дисциплини, наведнъж, вместо да се налага да ги инсталирате едно по едно. . Повече от 1400 и това са най-използваните в тези дисциплини. Няколко примера
След приключване на Курс за машинно обучение, Търсех къде да продължа. Средите за разработка, използвани в курса за прототипиране на Octave / Matlab, не са това, което хората използват, така че трябва да направите скок към нещо по-високо качество. Сред кандидатите, които са ми препоръчани, най-много е Keras, използвайки бекенда TensorFlow. Няма да навлизам в това дали Keras е по-добър от другите инструменти или рамки или дали да избера TensorFlow или Theano. Просто ще обясня как може да се инсталира в Ubuntu.
Първо се опитах да го инсталирам от документацията на официалните страници и беше невъзможно, винаги имах някаква грешка, някакъв нерешен въпрос. Накрая тръгнах да търся конкретни уроци за това как да инсталирате keras в Ubuntu И все пак прекарах два дни, прекарвайки много време през нощта. В крайна сметка го постигнах и ви оставям как съм го направил, в случай че може да ви проправи пътя.
Тъй като ще следваме стъпките, препоръчани от уебсайтовете, които ви оставям от източници в края на урока, ще инсталираме PIP, който не съм имал, за управление на пакетите. пиукам в Linux това е системата за управление на пакети, написана на python.
Това е безплатен курс по машинно обучение, преподавани от Андрю Нг. след като приключите, ако искате, можете да получите сертификат, който потвърждава постигнатите умения за € 68. Той е разделен на 3 стълба, видеоклипове, изпити или Quizz и упражнения за програмиране. На английски е. Имате субтитри на няколко езика, но испанският не е много добър и понякога е остарял, много по-добре, ако ги сложите на английски.
Това е доста теоретично. Но може би затова изглежда добър начин да започнете, защото не само ще се научите какво да правите, но и защо го правите.
