Штучний інтелект, машинне навчання, глибоке навчання. усі дедалі популярніші поняття. Здається, це щось із майбутнього, але воно все частіше використовується у всіх сферах життя. Не тільки в Інтернеті, не тільки в комп'ютерному зорі. Вони діагностують хвороби, оптимізують проблеми, їздять на машинах та купу інших речей
Про що ми будемо говорити
Ми не будемо публікувати новини. Ми спробуємо отримати корисну інформацію, як завжди в Іккаро. Збирати інструменти, намагатися пояснити поняття, робити приклади машинного навчання. Додатки в різних сферах, такі як IoT, та будь-яка цікава таблиця даних, яку ви знайдете.
Я не фахівець. Я в процесі навчання, але я вірю, що можу внести знання, які я набуваю та вдосконалюю разом із ними.
Ідея проекту така давати голосові інструкції для взаємодії через наш ПК або Raspberry Pi за допомогою моделі Whisper для перетворення голосу в текст.
Ми дамо наказ, який буде транскрибований, перетворений у текст за допомогою Whisper, а потім проаналізований для виконання відповідного наказу, який може полягати від виконання програми до подачі напруги на контакти RaspberryPi.
Я збираюся використовувати старий Raspberry Pi 2, мікро-USB, і я буду використовувати модель Voice-to-text, нещодавно випущену OpenAI, Шепіт. В кінці статті ви можете побачити ще трохи пошепки.
Я щойно пройшов курс розробника для Аварійний курс машинного навчання Google. Вступний курс, де вони дають вам основи та бачать приклади реальних реалізацій за допомогою TensorFlow. Саме ці приклади спонукають мене до цього.
Співпраця, також називається google colab Це продукт Google Research і використовується для написання та запуску Python та інших мов із нашого браузера.
Що таке
Я залишаю вам посібник для початківців, який ідеально доповнює цю статтю
Colab - це розміщений Jupyter, встановлено та налаштовано, так що нам не потрібно нічого робити на нашому комп’ютері, а просто працювати з браузера, над ресурсами в хмарі.
Ви бачите, що він працює точно так само, як і Jupyter наша стаття. На цьому етапі Python це блокноти або блокноти на основі клітинок, які можуть бути текстами, зображеннями або кодом, оскільки на відміну від Jupyter Colab на даний момент можна використовувати лише ядро Python, вони говорять про впровадження пізніше інших, таких як R, Scala тощо , але дата не вказана.
Вступ до глибокого навчання від Kaggle 4 години на вивчення DL та TensorFlow. Дізнайтеся основні ідеї машинного навчання та побудуйте свої перші моделі.
Стенфордські класи IA бачення список навчальних курсів у Стенфорді для вивчення комп'ютерного зору та штучного інтелекту (20 годин)
Вступ до глибокого навчання MIT. Це лише для студентів або колишніх студентів, але ми можемо переглянути відеозаписи занять.
Елементи ШІ. Безкоштовне вступ до Штучного інтелекту для експертів NON від Гельсінського університету.
Переглядаючи історичні дані, запропоновані метеорологічною обсерваторією в моєму місті, я бачу це вони пропонують їх лише графічно та для завантаження у форматі PDF. Я не розумію, чому вони не дозволяють завантажувати їх у CSV, що було б набагато кориснішим для всіх.
Тож я шукав одного рішення передати ці таблиці з pdf в csv або якщо хтось хоче відформатувати Excel або Libre Office. Мені подобається csv, тому що за допомогою csv ви робите все, що можете впоратися з ним за допомогою python та його бібліотек, або ви можете легко імпортувати його в будь-яку електронну таблицю.
Оскільки ідея полягає в тому, щоб отримати автоматизований процес, я хочу це сценарій для роботи з Python, і саме тут з’являється Tabula.
У цій статті я залишаю a Посібник з встановлення Anaconda та як користуватися менеджером пакетів Conda. Завдяки цьому ми можемо створити середовища розробки для python та R за допомогою потрібних нам бібліотек. Дуже цікаво почати возитися з машинним навчанням, аналізом даних та програмуванням на Python.
Anaconda - це безкоштовний дистрибутив із відкритим кодом для мов програмування Python та R, які широко використовуються в Росії наукові обчислення (Data ScienceData Science, машинне навчання, наука, техніка, прогнозована аналітика, великі дані тощо).
Він встановлює відразу велику кількість програм, широко використовуваних у цих дисциплінах, замість того, щоб встановлювати їх по одному. . Понад 1400 і це найбільш використовувані в цих дисциплінах. Кілька прикладів
Після закінчення Курс машинного навчання, Я шукав, де продовжити. Середовища розробки, що використовуються в курсі з прототипування Octave / Matlab, не є тим, що використовують люди, тому вам доведеться перейти до чогось більш якісного. Серед кандидатів, яких мені рекомендували найбільше, є Керас, використовуючи бекенд TensorFlow. Я не збираюся вдаватися до того, чи Keras кращий за інші інструменти чи інші фреймворки, чи обиратиму TensorFlow чи Theano. Я просто збираюся пояснити, як його можна встановити в Ubuntu.
По-перше, я намагався встановити його з документації офіційних сторінок, і це було неможливо, у мене завжди була помилка, невирішене питання. Врешті-решт я пішов шукати конкретні підручники про те, як встановити keras в Ubuntu І все ж я два дні проводив багато часу вночі. Врешті-решт я цього досяг, і залишаю вам, як я це зробив, на випадок, якщо це зможе прокласти вам шлях.
Оскільки ми збираємось виконувати кроки, рекомендовані веб-сайтами, які я залишаю вам із джерел наприкінці підручника, ми збираємось встановити PIP, якого у мене не було, для управління пакетами. типун у Linux це просто така, система управління пакетами, написана на python.
sudo apt-get install python3-pip sudo apt встановити python-pip
Це безкоштовний курс машинного навчання, викладав Ендрю Нг. закінчивши, якщо хочете, ви можете отримати сертифікат, який підтверджує отримані навички за € 68. Він розділений на 3 стовпи, відео, іспити або Quizz та вправи з програмування. Це англійською мовою. У вас є субтитри кількома мовами, але іспанська мова не дуже хороша, і іноді вони застаріли, набагато краще, якщо ви ставите їх англійською мовою.
Це цілком теоретично. Але, можливо, саме тому це здається хорошим способом розпочати, тому що ви збираєтесь не тільки навчитися, що робити, але чому ви це робите.
