В первые годы прошлого десятилетия умные программы были написаны для автоматизации возможностей человека разрабатывать и тестировать программные инструменты. Например, инструмент Selenium можно использовать для эффективной автоматизации веб-тестирования, и он популярен даже сегодня. Во второй половине прошлого десятилетия появились интеллектуальные алгоритмы - ИИ и машинное обучение, чтобы автоматизировать когнитивные способности человека обнаруживать, распознавать, классифицировать, принимать решения, судить / делать выводы на основе наблюдений за окружающей средой вокруг него / нее. В связи с тем, что обе эти человеческие способности теперь автоматизируются, многие рабочие места в области ИТ и разработки программного обеспечения и другие (не связанные с ИТ), где даже интеллектуальная способность человека различать считалась редким навыком, быстро заменяются умными машинами, которые даже превзошли эти навыки. выполнять задачи, выходящие за рамки познавательных способностей человека. Как подающий надежды компьютерный ученый, мои первоначальные опасения относительно будущей работы и карьеры были устранены с небольшим самоанализом о том, почему и как ИИ / машинное обучение, существовавшее несколько десятилетий назад, теперь стало новой технологией, которая изменила способ создания приложений сегодня. далеко за пределами наших познавательных способностей. Основная причина заключается в том, что вычисления теперь стали более мощными, доступными и легкодоступными (от облака до периферийных устройств), что очень важно для быстрого использования возможностей ИИ и машинного обучения для полезных приложений. Поэтому мне казалось очевидным, что существуют огромные возможности использования ИИ для новых приложений, создания лучших алгоритмов и автоматизации навыков, которые в противном случае было бы редко найти или на их развитие ушли бы годы. Чтобы достичь этого, очевидно, что для начала необходимо изучить, понять концепции и развить «прикладные» навыки в области ИИ / МО. Под «прикладными» навыками я подразумеваю изучение AI / ML путем практического применения его в реальном приложении и понимания того, как он работает, что он делает, что не может и т. Д. С этой целью я пошел поискать в Google лучший курс / учебник по AI / ML, и я наткнулся на кое-что, что не только повысило мою уверенность в этом предмете, но и заработало сертификат компетентности в области AI от одного из мировых лидеров в этой области. Как будто этого недостаточно, сертификация совершенно бесплатна!
Сейчас, когда я учусь на первом курсе информатики, может быть трудно усвоить сложные концепции, такие как AI и ML. Может показаться, что вам сразу бросают целую кучу новой информации. Итак, всем моим товарищам, изучающим компьютеры начального уровня, я хотел бы поделиться своим опытом и процедурами о том, как начать свою карьеру в области искусственного интеллекта / машинного обучения с УДАР! Представляем NVIDIA Jetson Nano, небольшой компьютер с искусственным интеллектом для производителей, учащихся и разработчиков.
Для кого-то, кто совершенно новичок в области искусственного интеллекта, даже устройство, которое якобы упрощает изучение ИИ, делает его столь же сложным. Тем не менее, NVIDIA DLI (Институт глубокого обучения) предоставляет онлайн-курс, чтобы начать ваше практическое понимание ИИ с помощью устройства Jetson Nano.
Перво-наперво вам понадобится следующее:
Карта памяти MicroSD (минимум 32 ГБ UHS-I)
Блок питания 5 В, 4 А с цилиндрическим разъемом постоянного тока 2,1 мм
2-контактная перемычка (для отключения питания через USB-кабель)
Кабель USB (с Micro-B на Type-A)
Совместимая камера: Logitech C270 USB Webcam или любая камера, совместимая с устройством.
Комплект разработчика NVIDIA Jetson Nano (очевидно)
Компьютер с доступом в Интернет и портом для SD-карты
Монитор (предпочтительно)
Мы начинаем с записи образа SD-карты NVIDIA DLI Jetson Nano на SD-карту, которую вы вставляете в свой Jetson Nano. Теперь подключите Jetson Nano к монитору и убедитесь, что все в порядке. Если у вас нет монитора, в Jetson Nano есть режим безголового устройства, который позволяет запускать операции прямо с вашего ноутбука. Однако по какой-то причине я не мог заставить это работать на моем MacBook Pro.
В этом курсе есть 3 проекта, которые позволят вам погрузиться в мир ИИ!
1. Проект Thumbs
2. Проект "Эмоции"
3. Проект Face XY
У каждого проекта на Jetson Nano есть несколько общих шагов, которые я постараюсь кратко описать:
1. Откройте необходимый файл Jupyter Notebook.
2. Выполните все блоки кода, которые разделены на 7 категорий.
а. Камера - блок, позволяющий проверить, включена ли ваша камера.
б. Задача - здесь вы можете определить задачу, которую хотите выполнить, и количество категорий (или классов), а также количество наборов данных, которые вы хотите отслеживать.
c. Сбор данных - здесь вы настраиваете механизм сбора для подсчета ваших изображений и создания пользовательского интерфейса.
d. Модель - это блок, в котором определяется нейронная сеть.
е. Выполнение в реальном времени - этот блок кода помогает запускать модель в фоновом режиме, чтобы вы могли просматривать видео с камеры в реальном времени.
f. Обучение и оценка - настройка параметров для обучения модели и загрузка изображений для оценки.
г. Инструмент интерактивного отображения - объединяет все виджеты в универсальный инструмент.
час Сбор данных - собирайте данные, чтобы вы могли их обучать, проверять результаты и со временем улучшать свою модель.
я. Поезд - Установите высокий номер эпохи (например, 10) и нажмите кнопку поезда.
j. Проверьте свои данные в режиме реального времени - после завершения обучения проверьте свои данные, выполнив соответствующее действие, и посмотрите, получите ли вы требуемые результаты.
Для каждого проекта вам потребуется ответить на ряд вопросов объективного типа, относящихся к проекту, который вы только что завершили. Эти вопросы хорошо составлены, чтобы обеспечить полное понимание. Вам необходимо ответить на эти вопросы перед тем, как приступить к следующему проекту. Как только все проекты будут завершены, будет выставлен ваш общий балл. Сертификат будет создан онлайн после того, как вы наберете минимальный балл. Вы можете делать попытки столько раз, пока не получите сертификат.
Вот копия сертификата, который я получил о прохождении вышеуказанного курса.
Так почему бы вам не начать свою карьеру в области искусственного интеллекта и не получить собственный сертификат!
