Kënschtlech Intelligenz, Maschinn léieren, Deep Learning. all sinn ëmmer méi populär Konzepter. Et schéngt eppes aus der Zukunft ze sinn, awer et gëtt ëmmer méi an alle Liewensberäicher benotzt. Net nëmmen um Internet, net nëmmen op Computersiicht. Si diagnostizéieren Krankheeten, Optimiséierung vu Probleemer, Autofuerer an eng Hellewull aner Saachen
Wat wäerte mir schwätzen
Mir publizéieren keng Neiegkeeten. Mir probéieren nëtzlech Informatioune wéi gewinnt zu Ikkaro ze kréien. Sammelt Tools, probéiert Konzepter z'erklären, maachen Machine Learning Beispiller. Uwendungen a verschiddene Felder, wéi IoT, an all interessant Informatiounsblat dat Dir fannt.
Ech sinn keen Expert. Ech sinn amgaang ze léieren awer ech gleewen datt ech d'Wësse bäidroe kann, déi ech doduerch kréien a verbesseren.
D'Iddi vum Projet ass gitt Stëmminstruktioune fir duerch eise PC oder eise Raspberry Pi ze interagéieren mam Voice-to-Text Whisper Modell.
Mir ginn eng Uerdnung déi transkribéiert, an Text ëmgewandelt gëtt, mat Whisper an dann analyséiert fir déi entspriechend Uerdnung auszeféieren, wat vun der Ausféierung vun engem Programm ka sinn fir Spannung un d'RaspberryPi Pins ze ginn.
Ech wäert en alen Raspberry Pi 2 benotzen, e Mikro USB an ech wäert de Voice-to-Text Modell benotzen, dee viru kuerzem vun OpenAI verëffentlecht gouf, Hichschecht. Um Enn vum Artikel kënnt Dir gesinn e bësse méi geflüstert.
Ech hunn just den Entwécklercours gemaach fir Google Machine Learning Crash Course. En Aféierungscours, wou se Iech d'Grondkonzepter ginn a Beispiller vun echte Implementatioune mat TensorFlow gesinn. Dës Beispiller si wat mech encouragéiert hunn dat ze maachen.
Zesummenaarbecht, och genannt google colab Et ass e Produkt vu Google Research a gëtt benotzt fir Python an aner Sproochen aus eisem Browser ze schreiwen a lafen.
Wat ass
Ech verloossen Iech e Guide fir Ufänger deen dësen Artikel perfekt ergänzt
De Colab ass e gehostene Jupyter, installéiert a konfiguréiert, sou datt mir näischt op eisem Computer maache mussen, mee einfach aus dem Browser, un de Ressourcen an der Wollek schaffen.
Et funktionnéiert genau d'selwecht wéi de Jupyter, Dir kënnt gesinn eisen Artikel. Si sinn Notebooks oder Notebooks baséiert op Zellen déi Texter, Biller oder Code kënne sinn, an dësem Python Schrëtt, well am Géigesaz zum Jupyter Colab de Moment nëmmen de Python Kernel ka benotzt ginn, schwätzen se iwwer implementéiere spéider anerer wéi R, Scala, etc , awer keen Datum gëtt uginn.
Wann ech déi historesch Donnéeë vun engem meteorologeschen Observatoire a menger Stad ubidden, gesinn ech dat si bidden se nëmme grafesch un an als PDF erofzelueden. Ech verstinn net firwat se Iech net op csv eroflueden loossen, dat wier vill méi nëtzlech fir jiddereen.
Also ech hunn no enger gesicht Léisung fir dës Tabelle vu pdf op csv weiderzeginn oder wann een Excel oder Libre Office formatéiere wëll. Ech hu gär CSV well mat engem CSV kënnt Dir alles maache wat Dir mat Python a senge Bibliothéike këmmere kënnt oder Dir kënnt et einfach an all Tabelle importéieren.
Wéi d'Iddi ass en automateschen Prozess z'erreechen, wat ech wëll ass e Skript fir mam Python ze schaffen an dat ass wou Tabula erakënnt.
An dësem Artikel loossen ech e Anaconda Installatiounsguide a wéi Dir Äre Conda Package Manager benotzt. Mat dësem kënne mir Entwécklungsëmfeld fir Python a R mat de Bibliothéiken erstellen, déi mir wëllen. Ganz interessant fir mam Machine Learning, Datenanalyse a Programméiere mam Python ze fänken.
Anaconda ass eng gratis an Open Source Verdeelung vun de Python a R Programméierungssproochen déi vill benotzt ginn wëssenschaftlech Rechenzäit (Data ScienceData Science, Machine Learning, Science, Engineering, predictive analytics, Big Data, etc).
Et installéiert eng grouss Unzuel vun Uwendungen, déi wäit an dësen Disziplinne gläichzäiteg benotzt ginn, anstatt se een nom aneren z'installéieren. . Méi wéi 1400 an dat sinn déi meescht benotzt an dësen Disziplinnen. E puer Beispiller
Nom Ofschloss vum Machine Learning Cours, Ech hu gesicht wou weiderfueren. D'Entwécklungsëmfeld, déi am Octave / Matlab Prototyp Kurs benotzt ginn, sinn net wat d'Leit benotzen, also musst Dir op eppes méi héich Qualitéit sprangen. Ënnert de Kandidaten déi mir am meeschte recommandéiert sinn ass Keras, benotzt Backend TensorFlow. Ech ginn net an ob d'Keras besser ass wéi aner Tools oder Frameworks oder ob TensorFlow oder Theano wielen. Ech erkläre just wéi et an Ubuntu installéiert ka ginn.
Als éischt hunn ech probéiert et aus der Dokumentatioun vun den offiziellen Säiten z'installéieren, an et war onméiglech, ech hat ëmmer e Feeler, eng ongeléiste Fro. Um Enn sinn ech sichen gaang spezifesch Tutorials wéi Dir Keras an Ubuntu installéiere wäert An awer hunn ech zwee Deeg vill Zäit an der Nuecht verbruecht. Zum Schluss hunn ech et erreecht an ech verloossen dech wéi ech et gemaach hunn am Fall wann et de Wee fir Iech ka bauen.
Wéi mir d'Schrëtt befollegen, déi vun de Websäiten empfohlen ginn, déi ech Iech vu Quellen um Enn vum Tutorial loossen, installéiere mir PIP, déi ech net hat, fir d'Päck ze managen. Pip op Linux ass et just dat, e Package Management System geschriwwen am Python.
Et ass e gratis Cours iwwer Machine Learning, geléiert vum Andrew Ng. eemol fäerdeg wann Dir wëllt kënnt Dir e Certificat hunn deen d'Fäegkeete fir 68 € erreecht ënnerstëtzt. Et ass opgedeelt an 3 Säulen, Videoen, Examen oder Quizz a Programméierungsübungen. Et ass op Englesch. Dir hutt Ënnertitelen a verschiddene Sproochen, awer d'Spuenesch sinn net ganz gutt an heiansdo sinn se aktuell, vill besser wann Dir se op Englesch setzt.
Et ass ganz theoretesch. Awer vläicht dofir ass et e gudde Wee fir unzefänken, well Dir gitt net nëmme léieren wat Dir maache musst, awer firwat Dir et maacht.
