ディープラーニングを実践するための7つのステップ

私たちの仕事では、「ディープラーニングの学習はどこから始めればよいですか？」という質問をよく受けます。インターネット上にはすでに多数の無料コースがありますが、冗長な情報が多すぎます。ディープラーニングを始める際に役立つように、次のリソースをまとめました。

1. 機械学習の初心者にとって、最良のリソースは、Cousera の Andrew Ngs のコースです。一度ざっと目を通すだけで通常は十分ですが、課題を完了すると理解がさらに深まります。

[[189220]]

2. 次に、ニューラル ネットワークについて学び、実際に試してみましょう。

3. ニューラル ネットワークを理解することは重要ですが、最も単純なケースだけでは十分ではありません。従来のニューラル ネットワークのバリエーションである畳み込みニューラル ネットワーク (CNN) は、視覚的なタスクに非常に役立ちます。スタンフォードの関連コースウェアとノートも含まれています。 視覚処理における畳み込みネットワークの応用に関するコースもあります。

4. 次に、自分のコンピューターで最初の CNN を実行します。

• GPUを購入してCUDAをインストールする
• CaffeとそのGUI Digitをインストールする
• Bonic をインストールします (ディープラーニングの学習に役立つだけでなく、他の研究者が GPU のアイドル時間を科学的な目的で使用できるようにします)

5.Digit は、文字認識用の Lenet や画像分類用の Googlenet など、いくつかのアルゴリズムを提供しています。これらのアルゴリズムを試すには、Lenet、Googlenet などの対応するデータ セットもダウンロードする必要があります。ここで行っているように、他の種類のコンピューター ビジョン タスクを実行するには、アルゴリズムを微調整する必要がある場合があります。

6. さまざまな自然言語処理 (NLP) タスクでは、多くの場合、リカレント ニューラル ネットワーク (RNN) が最適な選択肢となります。スタンフォードのコースでは、今でも優れたガイダンスが得られます。また、Tensorflow をダウンロードして、自分で RNN を構築することもできます。

7.***練習を始めるためのディープラーニングタスクの種類を選択できます。顔認識、音声マイニングから自動運転車まで、分析を試すことができます。

上記の手順を順番に完了すると、基本的に主流のディープラーニング手法を習得したことになります。 Google や Baidu のような企業で働きたいのであれば、自分の直感と手法を養うために、学習と実践を続ける必要があります。

投稿者: Ankit Agarwal —- CTO、Silversparro Technologies Private Limited。