Jak zacząć przygodę ze sztuczną inteligencją? Machine Learning / Neural Networks / Artificial Intelligence
Dariusz Ciesielski • 07/08/2019
1. Przejrzeć darmowe informacje w sieci
- blogi
- youtube
- medium.com
Najciekawsze źródła:
- Snagging Parking Spaces with Mask R-CNN and Python
- Intuitively Understanding Convolutions for Deep Learning
- Watch Me Build!
- Faster R-CNN (object detection) implemented by Keras for custom data from Google’s Open Images Dataset V4
- Splash of Color: Instance Segmentation with Mask R-CNN and TensorFlow
- How To Train an Object Detection Classifier for Multiple Objects Using TensorFlow (GPU) on Windows 10
2. Wybrać (płatny) kurs uczenia maszynowego oraz sieci neuronowych
- Taki, który będzie zawierał podstawy Pythona, lub poduczyć się z darmowego kursu
- Machine Learning, Data Science and Deep Learning with Python
3. Przerobić ćwiczenia z kursu oraz porobić notatki
Notatki na kartce
Notatki w kodzie
4. Przejrzeć raz jeszcze Youtube oraz blogi z już poszerzoną wiedzą
Kanał: sentdex
5. Wybrać zagadnienie, problem który chcemy rozwiązać za pomocą ML czy NN
6. Wybrać narzędzie
- dla prostych skryptów, które nie będą wymagać dużych obliczeń wybrać Jupiter
- dla bardziej zaawansowanych skryptów wybrać IDE, np. Visual Studio Code
7. Uruchomienie skryptów
- za pomocą swojej maszyny przy użyciu CPU
- za pomocą swojej maszyny przy użyciu GPU - nvidia
- za pomocą serwisu kaggle
- za pomocą serwisu colab od google
Porównanie kaggle vs colab
8. Kupno książek
- Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow [mirror]
- Deep Learning. Praca z językiem Python i biblioteką Keras [mirror]
9. Co dalej?
- Testowanie bardziej zaawansowanych algorytmów, np. Mask_RCNN, YOLO
- Model rozponający: kamień, nożyce, papier
- Serwis rozponający błędny wydruk druku 3D savemyprint.com