Введение

Ниже приведены мои размышления над книгой «Глубокое обучение», написанной в соавторстве с Яном Гудфеллоу, Йошуа Бенджио и Аароном Курвиллем. Все они профессора из переименованных университетов и исследователи в области искусственного интеллекта. Эта книга была опубликована почти десять лет назад (в 2015 году). Я решил прочитать эту книгу, потому что хочу специализироваться на этой огромной и захватывающей теме, которая растет с каждым днем. И это было настоятельно рекомендовано в статьях и мнениях, которые я читал в Интернете. В этой книге не рассказывается о трансформерах, которые стали крупным прорывом в области глубокого обучения в 2017 году. Однако, с моей точки зрения, если вы совсем новичок в этой теме, я настоятельно рекомендую вам прочитать ее и попробовать узнать кое-что, я думаю, это дало довольно интересные основы и идеи. Я кратко представлю свою предысторию, чтобы показать вам, с чего я начинал, а затем объясню, каким привычкам я следовал, чтобы помочь себе понять эту книгу.

Отказ от ответственности

Прежде чем идти дальше, я хотел бы поделиться с вами тем, что если вы думаете, что глубокое обучение — это интересная для вас тема, и вы хотите узнать больше, просто дерзайте. Во-вторых, иногда вы можете чувствовать себя потерянным в этой книге, и это нормально, что вам не нужно понимать все, что вы читаете, если вы понимаете вышеприведенный уровень понимания, то есть если вы понимаете принцип. Если вы считаете, что вам нужно освоить то, что вы читаете, я предлагаю вам использовать другие ресурсы, кроме этой книги, чтобы помочь вам понять. Несмотря на то, что эта книга хорошо объяснена, мы учимся по-разному, поэтому не сомневайтесь.

Я купил эту книгу в 2021 году, но на самом деле я не читал ее полностью, я просто читал отдельные небольшие части, потому что эта книга какое-то время меня немного пугала, пока я не понял, что мне придется посвятить время, чтобы понять темы в глубокое обучение не изменится. ИИ — это огромная тема, которая все еще расширяется, и для ее понимания и освоения требуется время.

С чего я начал, прежде чем взяться за эту книгу?

Ну, к тому времени, как я пишу эти строки, я уже получаю степень магистра по информатике. Параллельно с учебой я начал изучать глубокое обучение еще до машинного обучения, что не обязательно является лучшим способом для начала. Итак, я уже знал, как построить простую нейронную сеть, и я также знал, что нейронная сеть может научиться чему угодно, если мы дадим достаточное количество параметров/слоев. У меня также были некоторые знания по математике, используемые для ИИ, которые я изучил в старшей школе (распределения, производные и т. д.). У меня также был некоторый опыт в области машинного обучения, потому что я участвовал в программе Erasmus по обмену за границей.

Если вы совсем новичок в этой теме, я предлагаю вам читать книгу в порядке глав. В противном случае вы можете начать с любого места в книге и начать изучение темы, которую вы пропустили. Преимущество этой книги в том, что она требует напоминаний о том, что было сказано ранее, поэтому не стесняйтесь возвращаться назад и вперед.

Установите некоторые привычки

Итак, как я уже говорил ранее, если вы хотите понять эту книгу, вам нужно установить определенную дисциплину.

Что касается моего личного случая, я изо всех сил пытаюсь сосредоточиться, когда читаю книги, поэтому первое, что я сделал, — это записал из книги вещи, которые я понимаю и считаю важными. Ловушка в чтении книг состоит в том, чтобы забыть то, чему они вас научили, так что эта привычка может быть актуальна и для вас.

Иногда авторы пишут некоторые концепции без примеров, я расстраиваюсь, когда это так, поэтому я запускаю несколько блокнотов Jupyter и использую такие библиотеки, как numpy, scipy, plotly и т. д. Таким образом вы лучше понимаете, что было сказано, и начинаете запоминать. вещи.

Мой последний совет — использовать другие ресурсы в дополнение к книге, чтобы понять предметы (если это необходимо). Как я уже сказал, вы можете застрять в понимании вещей, но узким местом может быть способ обучения.

Итак, как вы заметили, не будьте пассивны при чтении этой книги, это не комикс, вам нужно проявлять инициативу, чтобы что-то изучать.

Чтобы помочь в понимании книги, авторы предоставили сайт, на котором есть несколько полезных материалов: https://www.deeplearningbook.org/ (я никогда не пользуюсь этим сайтом, может быть, он мог бы мне помочь, ха-ха).

размышления

Книга разделена на две части: первая часть представляет собой необходимые элементы для понимания глубокого обучения, а вторая часть представляет вам большую тему глубокого обучения.

Первая часть представляет собой введение в математику (линейная алгебра, статистика, вероятности, распределения и т. д.), машинное обучение, в них подробно представлены некоторые алгоритмы машинного обучения. Что мне нравится в этой первой части, так это то, что она дает вам обзор того, как работает большинство алгоритмов машинного обучения (нужна модель, оптимизатор, целевая функция и т. д.). Важным моментом, на котором они подчеркнули, является разница между теорией того, как должны работать алгоритмы, и проблемой, с которой вы сталкиваетесь на практике на компьютере (касательно числовых проблем). В то время мой мозг взорвался, потому что я наконец понял, почему моя сверточная нейронная сеть, реализованная с нуля, не удалась.

Второй также хорошо структурирован, они определили ограничения нейронных сетей для определенных архитектур, представили обратное распространение в понятной форме, представили функции активации, алгоритмы оптимизации, сверточные нейронные сети, остаточные нейронные сети и т. д.

Честно говоря, я не могу дать вам исчерпывающий отзыв о второй части, я сейчас работаю над ней. Что я могу сказать, так это то, что тема огромна и требует, чтобы вы сделали проект, чтобы убедиться, что вы продвигаетесь вперед, а не просто читаете его.

Заключение

Я думаю, что «Глубокое обучение» — это всеобъемлющая книга. Если вы хотите специализироваться в этой теме, это хорошее начало. Считаю, что один раз прочитать полностью бесполезно. Мы должны в промежутках сделать проект относительно того, что мы узнали из книги. Я думаю, что даже для людей, которые имеют хороший опыт в этой области, все равно следует полагаться на него, если они делают какой-то проект, это похоже на кулинарную книгу, которая дает вам хорошие советы по подготовке вашей модели глубокого обучения.

Как всегда, я надеюсь, что научил вас чему-то сегодня, и вы нашли для себя полезными мои советы и отзывы.
Увидимся в следующем!