Cómo entrenar tu primera red neuronal

La tendencia principal de los últimos años,Por supuesto, podemos llamar redes neuronales, aprendizaje automático y todo lo relacionado con ellas. Y hay razones serias para esto, porque recientemente las redes neuronales han sido sorprendentes con sus habilidades. La red neuronal ya no solo puede dibujar retratos de personas solo con sus voces y "revivir" los retratos de Dostoievski y Marilyn Monroe, ¡aún puede mostrar cómo se verá en 20, 30 e incluso 50 años! Por supuesto, todo esto lo hace más de una red neuronal: en el mundo hay muchos desarrollos similares en los que participan expertos en Data Science.

Aprender a entrenar redes neuronales es mucho más fácil de lo que parece.

El contenido

• 1 ¿Cómo surgieron las redes neuronales?
• 2 ¿Qué son las redes neuronales?
• 3 Cómo enseñar redes neuronales
• 4 ¿Puedo aprender a trabajar con redes neuronales yo mismo?

Cómo aparecieron las redes neuronales

Todo comenzó con científicos tratando de acercar el principio.la computadora funciona según la forma de pensar de una persona. Tomó décadas de investigación, y como resultado, fue posible con la ayuda de redes neuronales: sistemas informáticos ensamblados a partir de cientos, miles o millones de células cerebrales artificiales que pueden aprender y actuar según un principio que es extremadamente similar al funcionamiento del cerebro humano.

Por supuesto, no se puede decir que una red neuronal esEsta es una copia artificial exacta del cerebro. Es importante tener en cuenta que una red neuronal es principalmente una simulación por computadora: tales redes se crean mediante la programación de computadoras convencionales, en las cuales los transistores convencionales combinados en conexiones lógicas funcionan de la manera tradicional.

Cómo una red neuronal genera nuevas fotos

¿En qué consisten las redes neuronales?

Una red neuronal artificial convencional consiste endecenas, cientos, miles o incluso millones de neuronas artificiales. Se llaman bloques: están dispuestos en capas, donde cada bloque está conectado al vecino. Hay bloques de entrada con los que la red neuronal recibe información y bloques de salida: solo son responsables del resultado del procesamiento.

Cuando la red aprende, muestras de información."Fed" a ella a través de los bloques de entrada, y luego llegar a los bloques de salida. Por ejemplo, puede mostrar a las redes neuronales una gran cantidad de fotos de sillas y mesas, explicándole la mayor diferencia posible entre estos muebles. Y luego pídale que reconozca el objeto en la imagen, que muestra el armario. Dependiendo de cuán efectivamente haya entrenado la red neuronal, intentará clasificar lo que vio como una categoría basada en la experiencia existente.

Cómo enseñar redes neuronales

Las redes neuronales se entrenan "por el método inversopropagación de error ". Con su ayuda, es posible comparar los datos de salida con los datos que se esperaba recibir, y utilizar las diferencias entre estos datos para realizar cambios en la conexión entre las unidades ocupadas en la red. Cuanto más aprende una red neuronal, más rápido se vuelve reducir a cero la diferencia entre los resultados deseados y los reales.

Uno de los modelos de aprendizaje automático.

Una vez que la red neuronal ha sido entrenada conUsando suficientes ejemplos, llega a la etapa en la que puede proporcionarle un conjunto completamente nuevo de datos de entrada que nunca ha visto y controlar su reacción.

Áreas de uso de redes neuronales.limitado Por lo tanto, pueden buscar la imagen o actuar como un asistente de voz: la misma Alice ya es lo más cercana posible en su comportamiento a una persona real. O calcule la probabilidad de enfermedades, encuentre tumores en las imágenes, luche contra los estafadores, etc.

¿Puedo aprender a trabajar con redes neuronales yo mismo?

Anteriormente, tal oportunidad solo se brindabacientíficos, porque los desarrollos en el campo de las redes neuronales y el aprendizaje automático eran demasiado "crudos". Pero ahora cualquier compañía de tecnología genera una gran cantidad de datos que necesitan ser procesados ​​para luego optimizar el negocio y analizar las perspectivas sobre la base. Para esta y otras tareas relacionadas con las redes neuronales y el aprendizaje automático, necesitamos especialistas en ciencia de datos.

¿Cómo hacerse uno? Es casi imposible hacerlo tú mismo. Esta es una especialización seria, que requiere interacción con aquellos que ya están trabajando en este campo. Por lo tanto, la escuela de datos SkillFactory abre un nuevo conjunto para el curso completo sobre ciencia de datos. Como parte del curso, los profesionales de la industria, incluidos los empleados de Yandex y NVIDIA, enseñan las complejidades del trabajo que no están escritas en los libros de texto.

Todos los profesores son especialistas en el campo de la ciencia de datos.

Con este curso puedes dominar la ciencia entrabajando con datos desde cero, incluso si nunca ha hecho programación en su vida. Le permite obtener todas las habilidades que necesita un especialista en Data Science, desde la programación de Python, incluido el estudio en profundidad de Pandas para analizar datos, hasta el aprendizaje automático, el aprendizaje profundo y la minería de datos. El curso consta de aproximadamente el 20% de la teoría y el 80% de la práctica, ya que solo con ejemplos reales es posible convertirse en un profesional en este campo.

El programa del curso está diseñado para 12 meses.

En el proceso de aprendizaje, puedes crear tu propioproyectos en el campo del reconocimiento de imágenes, PNL y puntuación. Junto con los maestros y mentores, comprenderá los detalles del trabajo y obtendrá los comentarios necesarios. Además, SkillFactory ayuda con el empleo y recomienda pasantías en grandes empresas. Por ejemplo, los graduados tienen la oportunidad de trabajar en Alfa Bank, Bayer, Henkel, Sberbank y otras organizaciones líderes.

Al finalizar la capacitación, se emite un certificado

Únete al curso ahora y obtén 15% de descuento para entrenar en código promocional Hi-news (válido hasta el 15/02/2020). El conjunto terminará pronto, por lo que no hay mucho tiempo para pensar.