Tekoäly, koneoppiminen, syvällinen oppiminen. kaikki ovat yhä suositumpia käsitteitä. Se näyttää olevan jotain tulevaisuudesta, mutta sitä käytetään yhä enemmän kaikilla elämän alueilla. Ei vain Internetissä, ei vain tietokonenäkössä. He diagnosoivat sairauksia, optimoivat ongelmia, ajavat autoja ja monia muita asioita.
Mistä aiomme puhua
Emme julkaise uutisia. Yritämme saada hyödyllistä tietoa Ikkarosta tavalliseen tapaan. Kerätä työkaluja, yrittää selittää käsitteitä, tehdä koneoppimisen esimerkkejä. Eri alojen sovellukset, kuten IoT, ja kaikki mielenkiintoiset lomakkeet, jotka löydät.
En ole asiantuntija. Olen oppimisprosessissa, mutta uskon voivani lisätä tietoa, jonka hankin ja parannan sen avulla.
Hankkeen idea on anna ääniohjeita vuorovaikutukseen PC:n tai Raspberry Pi:n kautta käyttämällä Voice-to-text Whisper -mallia.
Annamme tilauksen, joka transkriptoidaan, muunnetaan tekstiksi Whisperilla ja sitten analysoidaan sopivan tilauksen suorittamiseksi, joka voi olla ohjelman suorittamisesta jännitteen antamiseen RaspberryPi-nastoihin.
Aion käyttää vanhaa Raspberry Pi 2:ta, mikro-USB:tä ja OpenAI:n hiljattain julkaisemaa Voice-to-text -mallia, Kuiskaus. Artikkelin lopusta näet vähän lisää kuiskausta.
Kävin juuri kehittäjäkurssin Googlen koneoppimisen pikakurssi. Esittelykurssi, jossa he antavat sinulle perusasiat ja näkevät esimerkkejä todellisista toteutuksista TensorFlow'n avulla. Nämä esimerkit ovat kannustaneet minua siihen.
Yhteistyö, jota kutsutaan myös google colab Se on Google Researchin tuote ja sitä käytetään Pythonin ja muiden kielten kirjoittamiseen ja käyttämiseen selaimestamme.
Mikä on
Jätän sinulle oppaan aloittelijoille, joka täydentää täydellisesti tätä artikkelia
Colab on isännöity Jupyter, asennettu ja konfiguroitu, jotta meidän ei tarvitse tehdä mitään tietokoneellamme, vaan yksinkertaisesti työskennellä selaimesta pilvipalvelun resursseilla.
Se toimii täsmälleen samalla tavalla kuin Jupyter, näet artikkelimme. Ne ovat muistikirjoja tai muistikirjoja, jotka perustuvat soluihin, jotka voivat olla tekstejä, kuvia tai koodia tässä Python -vaiheessa, koska toisin kuin Jupyter Colab, tällä hetkellä voidaan käyttää vain Python -ydintä, he puhuvat myöhemmin muiden, kuten R, Scala, jne. , mutta päivämäärää ei ole ilmoitettu.
Tarkastellessani kaupungin meteorologisen observatorion tarjoamia historiallisia tietoja näen sen ne tarjoavat niitä vain graafisesti ja ladattaviksi PDF-muodossa. En ymmärrä, miksi he eivät anna sinun ladata niitä csv-tiedostoon, mikä olisi paljon hyödyllisempää kaikille.
Joten olen etsinyt sitä ratkaisu siirtää nämä taulukot pdf: stä csv: hen tai jos joku haluaa alustaa Excelin tai Libre Officen. Pidän csv: stä, koska csv: llä voit tehdä kaiken mitä pystyt käsittelemään pythonilla ja sen kirjastoilla tai voit helposti tuoda sen mihin tahansa laskentataulukkoon.
Koska ajatuksena on saada automatisoitu prosessi, haluan komentosarjan toimivan Pythonin kanssa, ja tässä Tabula tulee sisään.
Tässä artikkelissa jätän a Anaconda-asennusopas ja Conda-paketinhallinnan käyttäminen. Tämän avulla voimme luoda pythonille ja R: lle kehitysympäristöjä haluamiemme kirjastojen avulla. Erittäin mielenkiintoista aloittaa sekoittaminen koneoppimisen, tietojen analysoinnin ja ohjelmoinnin kanssa Pythonin kanssa.
Anaconda on ilmainen ja avoimen lähdekoodin jakelu Python- ja R-ohjelmointikielille, joita käytetään laajalti tieteellinen laskenta (Data ScienceData Science, Machine Learning, Science, Engineering, predictive analytics, Big Data, etc.).
Se asentaa suuren määrän sovelluksia, joita käytetään laajalti näillä aloilla kerralla, sen sijaan, että tarvitsisi asentaa niitä yksitellen. . Yli 1400 ja joita käytetään eniten näillä aloilla. Joitain esimerkkejä
Kun olet valmis Koneoppimiskurssi, Etsin mihin jatkaa. Octave / Matlab-prototyyppikurssilla käytetyt kehitysympäristöt eivät ole ihmisten käyttämiä, joten sinun on tehtävä harppaus johonkin korkeampaan laatuun. Niistä ehdokkaista, joita minulle on suositeltu eniten, on Keras, käyttämällä taustajärjestelmää TensorFlow. En aio selvittää, onko Keras parempi kuin muut työkalut tai kehykset, vai valitsenko TensorFlow vai Theano. Aion vain selittää, kuinka se voidaan asentaa Ubuntuun.
Ensin yritin asentaa sen virallisten sivujen dokumentaatiosta, ja se oli mahdotonta, minulla oli aina virhe, jokin ratkaisematon kysymys. Lopulta menin etsimään erityiset oppaat kera-levyjen asentamisesta Ubuntuun Ja silti olen viettänyt kaksi päivää viettämällä paljon aikaa yöllä. Loppujen lopuksi olen saavuttanut sen ja jätän teille, miten olen tehnyt sen, jos se voi tasoittaa tietä teille.
Koska aiomme seurata sivustojen suosittelemia vaiheita, jotka jätän sinut lähteistä opetusohjelman lopussa, asennamme PIP: n, jota minulla ei ollut, pakettien hallintaan. pIP Linuxissa se on pythonilla kirjoitettu paketinhallintajärjestelmä.
Olen valmis Koneoppimiskurssi, jonka tarjoaa Stanfordin yliopisto Courseralla, ja koska on jo useita, jotka ovat kysyneet minulta avoimesti ja yksityisesti siitä, halusin kertoa hieman enemmän mitä minusta tuntui ja että kuka päättää tehdä sen tietää mitä aiot löytää.
Se on ilmainen kurssi koneoppimisesta, opetti Andrew Ng. Kun olet valmis, voit saada todistuksen, joka tukee 68 eurolla saavutettuja taitoja. Se on jaettu 3 pilariin, videoihin, tentteihin tai Quizz-ohjelmointiharjoituksiin. Se on englanniksi. Sinulla on tekstitys useilla kielillä, mutta espanja ei ole kovin hyvä ja joskus ne ovat vanhentuneita, paljon parempi, jos laitat ne englanniksi.
Se on melko teoreettista. Mutta ehkä siksi se näyttää hyvältä tavalta aloittaa, koska et opi vain, mitä tehdä, mutta miksi teet sen.
