Sztuczna inteligencja, uczenie maszynowe, uczenie głębokie. wszystkie są koncepcjami coraz bardziej popularnymi. Wydaje się, że jest to coś z przyszłości, ale jest coraz częściej używane we wszystkich dziedzinach życia. Nie tylko w Internecie, nie tylko w wizji komputerowej. Diagnozują choroby, optymalizują problemy, prowadzą samochody i wiele innych rzeczy
O czym będziemy rozmawiać
Nie będziemy publikować wiadomości. Postaramy się jak zwykle zdobyć przydatne informacje w Ikkaro. Zbieranie narzędzi, próba wyjaśnienia pojęć, tworzenie przykładów uczenia maszynowego. Aplikacje z różnych dziedzin, takich jak IoT, i każdy znaleziony interesujący arkusz danych.
Nie jestem ekspertem. Jestem w trakcie uczenia się, ale wierzę, że mogę wnieść swoją wiedzę, którą zdobywam i dzięki niej doskonalę.
Idea projektu jest taka wydawać instrukcje głosowe do interakcji za pośrednictwem naszego komputera lub naszego Raspberry Pi za pomocą modelu szeptu Voice-to-text.
Podamy rozkaz, który zostanie przepisany, skonwertowany na tekst, za pomocą Whispera, a następnie przeanalizowany w celu wykonania odpowiedniego rozkazu, który może być od wykonania programu do podania napięcia na piny RaspberryPi.
Zamierzam użyć starego Raspberry Pi 2, micro USB i użyję modelu Voice-to-text niedawno wydanego przez OpenAI, Szept. Na końcu artykułu możesz zobaczyć trochę więcej szeptu.
Właśnie zrobiłem kurs programisty dla Awaryjny kurs uczenia maszynowego Google. Kurs wprowadzający, podczas którego przedstawią podstawy i zobaczą przykłady rzeczywistych wdrożeń z TensorFlow. Te przykłady zachęciły mnie do tego.
Współpraca, zwana także Współpraca Google Jest to produkt Google Research i służy do pisania i uruchamiania Pythona oraz innych języków z naszej przeglądarki.
Co to jest
Zostawiam Wam poradnik dla początkujących, który doskonale uzupełnia ten artykuł
Colab jest hostowanym Jupyter, zainstalowany i skonfigurowany, abyśmy nie musieli nic robić na naszym komputerze, tylko po prostu pracować z przeglądarki, na zasobach w chmurze.
Działa dokładnie tak samo jak Jupyter, widać nasz artykuł. Są to notatniki lub notatniki oparte na komórkach, które mogą być tekstami, obrazami lub kodem, w tym kroku Pythona, ponieważ w przeciwieństwie do Jupyter Colab w tej chwili można używać tylko jądra Pythona, mówią o zaimplementowaniu później innych, takich jak R, Scala itp. , ale nie podano daty.
Widzę to, patrząc na dane historyczne oferowane przez obserwatorium meteorologiczne w moim mieście oferują je tylko graficznie i do pobrania w formacie PDF. Nie rozumiem, dlaczego nie pozwalają ci ich pobrać w formacie csv, co byłoby znacznie bardziej przydatne dla wszystkich.
Więc szukałem jednego rozwiązanie do przekazania tych tabel z pdf do csv lub jeśli ktoś chce sformatować Excel lub Libre Office. Lubię csv, ponieważ z csv robisz wszystko, co możesz sobie z nim poradzić w Pythonie i jego bibliotekach lub możesz łatwo zaimportować go do dowolnego arkusza kalkulacyjnego.
Ponieważ pomysł polega na osiągnięciu zautomatyzowanego procesu, potrzebuję skryptu do pracy z Pythonem i tu właśnie pojawia się Tabula.
W tym artykule zostawiam plik Przewodnik instalacji Anaconda i jak używać menedżera pakietów Conda. Dzięki temu możemy tworzyć środowiska programistyczne dla Pythona i R z wybranymi bibliotekami. Bardzo interesujące jest rozpoczęcie pracy z uczeniem maszynowym, analizą danych i programowaniem w Pythonie.
Anaconda to bezpłatna dystrybucja Open Source szeroko stosowanych języków programowania Python i R obliczenia naukowe (nauka o danych, nauka o danych, uczenie maszynowe, nauka, inżynieria, analiza predykcyjna, duże zbiory danych itp.).
Instaluje jednocześnie wiele aplikacji szeroko stosowanych w tych dziedzinach, zamiast instalować je pojedynczo. . Ponad 1400 i są one najczęściej używane w tych dyscyplinach. Kilka przykładów
Po zakończeniu Kurs uczenia maszynowego, Szukałem, gdzie mam kontynuować. Środowiska programistyczne używane na kursie prototypowania Octave / Matlab nie są tym, czego ludzie używają, więc musisz przeskoczyć do czegoś wyższej jakości. Wśród kandydatów, którzy zostali mi najbardziej poleceni jest Keras, używając zaplecza TensorFlow. Nie zamierzam się zagłębiać w to, czy Keras jest lepszy niż inne narzędzia lub inne frameworki ani czy wybrać TensorFlow czy Theano. Wyjaśnię tylko, jak można go zainstalować w Ubuntu.
Najpierw próbowałem go zainstalować z dokumentacji oficjalnych stron i było to niemożliwe, zawsze miałem jakiś błąd, jakieś nierozwiązane pytanie. W końcu poszedłem znaleźć konkretne samouczki dotyczące instalowania keras w Ubuntu A jednak spędziłem dwa dni spędzając dużo czasu w nocy. W końcu to osiągnąłem i zostawiam ci, jak to zrobiłem, na wypadek, gdyby mogło to utorować ci drogę.
Ponieważ będziemy postępować zgodnie z instrukcjami zalecanymi przez strony internetowe, które zostawiam ze źródeł na końcu tutoriala, zainstalujemy PIP, którego nie miałem, do zarządzania pakietami. pypeć w Linuksie to po prostu system zarządzania pakietami napisany w Pythonie.
To bezpłatny kurs na temat uczenia maszynowego, prowadzony przez Andrew Ng. po ukończeniu, jeśli chcesz, możesz otrzymać certyfikat potwierdzający zdobyte umiejętności za 68 €. Jest podzielony na 3 filary, filmy, egzaminy lub quizy i ćwiczenia programistyczne. Jest w języku angielskim. Masz napisy w kilku językach, ale hiszpański nie jest zbyt dobry i czasami są nieaktualne, o wiele lepiej, jeśli umieścisz je w języku angielskim.
To jest dość teoretyczne. Ale może dlatego wydaje się to dobrym sposobem na rozpoczęcie, ponieważ nie tylko nauczysz się, co robić, ale także dlaczego to robisz.