Pembelajaran mesin

Kecerdasan buatan, pembelajaran mesin, pembelajaran mendalam. semua adalah konsep yang semakin populer. Sepertinya sesuatu dari masa depan, tetapi itu semakin banyak digunakan di semua bidang kehidupan. Tidak hanya di Internet, tidak hanya di computer vision. Mereka mendiagnosis penyakit, mengoptimalkan masalah, mengendarai mobil, dan sejumlah hal lainnya.

Apa yang akan kita bicarakan

Kami tidak akan mempublikasikan berita. Kami akan mencoba mendapatkan informasi yang berguna seperti biasa di Ikkaro. Mengumpulkan alat, mencoba menjelaskan konsep, melakukan contoh Machine Learning. Aplikasi di berbagai bidang, seperti IoT, dan lembar data menarik apa pun yang Anda temukan.

Saya bukan seorang ahli. Saya sedang dalam proses belajar tetapi saya rasa saya dapat menyumbangkan pengetahuan yang saya peroleh dan meningkatkannya.

Kontrol suara di PC dan RaspberryPi dengan Whisper

kontrol suara di pc dan raspberry pi

Ide dari proyek ini adalah berikan instruksi suara untuk berinteraksi melalui PC kami atau Raspberry Pi kami menggunakan model Bisikan Suara-ke-teks.

Kami akan memberikan perintah yang akan ditranskripsi, diubah menjadi teks, dengan Whisper dan kemudian dianalisis untuk mengeksekusi perintah yang sesuai, yang dapat dari menjalankan program hingga memberi tegangan ke pin RaspberryPi.

Saya akan menggunakan Raspberry Pi 2 lama, micro USB dan saya akan menggunakan model Voice-to-text yang baru-baru ini dirilis oleh OpenAI, Berbisik. Di akhir artikel Anda dapat melihat sedikit lagi berbisik.

Membaca

Google Collaboratory atau Google Colab

Google berkolaborasi pada Jupyter Notebook dari pengembang google

Kolaborasi, juga disebut google colab Ini adalah produk Google Research dan digunakan untuk menulis dan menjalankan Python dan bahasa lain dari browser kami.

Apa itu

Saya meninggalkan Anda panduan untuk pemula yang melengkapi artikel ini dengan sempurna

Colab adalah Jupyter yang dihosting, diinstal dan dikonfigurasi, sehingga kami tidak perlu melakukan apa pun di komputer kami, tetapi cukup bekerja dari browser, pada sumber daya di cloud.

Ini bekerja persis sama dengan Jupyter, Anda bisa lihat artikel kami. Mereka adalah Notebook atau notebook berdasarkan sel yang dapat berupa teks, gambar atau kode, dalam langkah Python ini, karena tidak seperti Jupyter Colab saat ini hanya kernel Python yang dapat digunakan, mereka berbicara tentang mengimplementasikan yang lain nanti seperti R, Scala, dll , tapi tidak disebutkan tanggalnya.

Membaca

Kursus untuk mempelajari Pembelajaran Mesin, Pembelajaran Mendalam, dan Kecerdasan Buatan

kursus tentang pembelajaran mesin, pembelajaran mendalam. Pentingnya data

Ini adalah sumber daya terbaik yang saya temukan untuk mempelajari tentang Pembelajaran Mesin, Pembelajaran Mendalam, dan topik Kecerdasan Buatan lainnya.

Ada kursus gratis dan berbayar dan tingkat yang berbeda. Tentu saja, meskipun ada beberapa dalam bahasa Spanyol, kebanyakan dalam bahasa Inggris.

Kursus gratis

Sebagai permulaan

Saya membaginya menjadi kursus singkat (dari 1 hingga 20 jam). Ini untuk kontak pertama dengan subjek.

Membaca

Bagaimana mengkonversi tabel dari PDF ke Excel atau CSV dengan Tabula

Lulus dan ubah pdf ke csv dan excel

Melihat data historis yang ditawarkan oleh observatorium meteorologi di kota saya, saya melihatnya mereka hanya menawarkannya dalam bentuk grafik dan untuk diunduh sebagai PDF. Saya tidak mengerti mengapa mereka tidak mengizinkan Anda mendownloadnya di csv, yang akan jauh lebih berguna untuk semua orang.

Jadi saya sudah mencari satu solusi untuk melewatkan tabel ini dari pdf ke csv atau jika seseorang ingin memformat Excel atau Libre Office. Saya suka csv karena dengan csv Anda melakukan semua yang Anda dapat menanganinya dengan python dan perpustakaannya atau Anda dapat dengan mudah mengimpornya ke spreadsheet apa pun.

Karena idenya adalah untuk mencapai proses otomatis, yang saya inginkan adalah skrip untuk bekerja dengan Python dan di sinilah Tabula masuk.

Membaca

Tutorial Anaconda: Apa itu, cara menginstalnya, dan cara menggunakannya

Anaconda Data Science, big data dan pytho, distribusi R.

Pada artikel ini saya meninggalkan file Panduan instalasi Anaconda dan bagaimana menggunakan manajer paket Conda Anda. Dengan ini kita dapat membuat lingkungan pengembangan untuk python dan R dengan pustaka yang kita inginkan. Sangat menarik untuk mulai mengotak-atik Machine Learning, analisis data, dan pemrograman dengan Python.

Anaconda adalah distribusi gratis dan Sumber Terbuka dari bahasa pemrograman Python dan R yang banyak digunakan di komputasi ilmiah (Ilmu Data Ilmu Data, Pembelajaran Mesin, Sains, Teknik, analitik prediktif, Big Data, dll).

Ini menginstal sejumlah besar aplikasi yang banyak digunakan dalam disiplin ilmu ini sekaligus, daripada harus menginstalnya satu per satu. . Lebih dari 1400 dan itu yang paling banyak digunakan dalam disiplin ilmu ini. Beberapa contoh

  • lumpuh
  • Panda
  • aliran tensor
  • H20.ai
  • sip
  • jupyter
  • Senja
  • OpenCV
  • matplotLib

Membaca

Cara menginstal Keras dan TensorFlow dari backend di Ubuntu

cara memasang keras di ubuntu

Setelah menyelesaikan Kursus Machine Learning, Saya sedang mencari ke mana harus melanjutkan. Lingkungan pengembangan yang digunakan dalam kursus pembuatan prototipe Oktaf / Matlab bukanlah yang digunakan orang, jadi Anda harus membuat lompatan ke kualitas yang lebih tinggi. Di antara kandidat yang paling direkomendasikan kepada saya adalah Keras, menggunakan backend TensorFlow. Saya tidak akan membahas apakah Keras lebih baik daripada alat atau kerangka kerja lain atau apakah akan memilih TensorFlow atau Theano. Saya hanya akan menjelaskan bagaimana itu dapat diinstal di Ubuntu.

Pertama saya mencoba menginstalnya dari dokumentasi halaman resmi, dan itu tidak mungkin, saya selalu mengalami kesalahan, beberapa pertanyaan yang belum terselesaikan. Akhirnya aku pergi mencari tutorial khusus tentang cara memasang keras di Ubuntu Namun saya telah menghabiskan dua hari menghabiskan banyak waktu di malam hari. Pada akhirnya saya telah mencapainya dan saya meninggalkan Anda seperti yang telah saya lakukan seandainya hal itu dapat membuka jalan bagi Anda.

Karena kami akan mengikuti langkah-langkah yang direkomendasikan oleh situs web yang saya tinggalkan dari sumber di akhir tutorial, kami akan menginstal PIP yang tidak saya miliki, untuk mengelola paket. biji di linux itu, sistem manajemen paket yang ditulis dengan python.

sudo apt-get install python3-pip sudo apt install python-pip

Membaca

Saya telah menyelesaikan kursus Pembelajaran Mesin Coursera

Saya telah menyelesaikan kursus Pembelajaran Mesin Coursera

Saya telah menyelesaikan Kursus Pembelajaran Mesin ditawarkan oleh universitas Stanford di Coursera, dan karena sudah ada beberapa yang bertanya kepada saya secara terbuka dan pribadi tentang hal itu, saya ingin menjelaskan sedikit lebih banyak apa yang tampak bagi saya dan siapa pun yang memutuskan untuk melakukannya tahu apa yang akan mereka temukan.

Ini adalah kursus gratis tentang Machine Learning, diajar oleh Andrew Ng. setelah selesai jika Anda mau, Anda dapat memiliki sertifikat yang mendukung keterampilan yang dicapai dengan € 68. Ini dibagi menjadi 3 pilar, video, Ujian atau Kuis dan latihan pemrograman. Ini dalam bahasa Inggris. Anda memiliki terjemahan dalam beberapa bahasa, tetapi bahasa Spanyol tidak terlalu bagus dan kadang-kadang ketinggalan zaman, jauh lebih baik jika Anda memasukkannya ke dalam bahasa Inggris.

Ini cukup teoretis. Tetapi mungkin itulah mengapa ini tampak seperti cara yang baik untuk memulai karena Anda tidak hanya akan mempelajari apa yang harus dilakukan tetapi mengapa Anda melakukannya.

Membaca