التعلم العميق للمكدس الكامل – التجريب / فرق ML

أولاً ، نقوم بمراجعة الصورة إلى نص → تصنيف → باستخدام خسارة CTC مع الوقت الموزع لـ CNN.

بالنسبة إلى هذا الفيديو ، → سنتعرف على كيفية إعداد إعدادات مختبر Jupyter. (هذه إعدادات تطوير).

سنلقي نظرة على مجموعة البيانات → ومجموعة البيانات التي سنستخدمها → هي مزيج من الصور (الأحرف والأرقام).

التسلسل → سيكون لدينا v نفس الطول → لذلك سنقوم بتعبئة الأجزاء الفارغة. (وللبدء → سنستخدم البيانات التركيبية → هذا معقول).

في الأساس → سنقوم بإلحاق البيانات بشكل عشوائي ← حتى لا يكون للجملة أي معنى ← سنتعرف على الأحرف.

يعد جمع البيانات مكلفًا ← أيضًا قبل الخروج لجمع البيانات ← من الجيد التدرب على البيانات التركيبية. (تقدم هذه الدورة التدريبية نموذج ML من التدريب إلى النشر).

هذه بيانات من العالم الحقيقي ← تكون مجموعة البيانات أصعب بكثير مع أنماط مختلفة ← وبعضها مكتوب بتنسيق مختلف. (في البيانات الناتجة → يمكن أيضًا إنشاء التداخل صناعياً).

سنقوم بتدريب نموذج في مجموعة البيانات التركيبية.

نقوم أولاً بتنزيل البيانات ← ثم تدريب النموذج بعد ذلك ← كل هذه البرامج النصية مُعدة مسبقًا. (الأوزان والانحياز ← مكتبة ← تلتقط جميع بيانات التكوين).

نحن نشغل بشكل أساسي ملف shell → الذي أنشأه المؤلفون بالفعل.

تتم تدوين جميع البيانات الوصفية ← في الواقع على دفتر الأوزان والتحيز ← هذه خطوة للعلاقات العامة. (رائع جدًا ← ولكن علينا استخدام نظامهم البيئي)

الفرق → في سوق ML → كيف يمكننا بناء فريق →

هناك بعض فجوة المواهب في الذكاء الاصطناعي ← فكيف يمكننا التغلب على هذه المشكلة؟ 5000 شخص جيدون في العادة ← يمتلك 1000 شخص مجموعة المهارات المناسبة.

3.6 مليون مطور برمجيات في الولايات المتحدة ← ولكن ليس كلهم ​​يمارسون الذكاء الاصطناعي ← هناك منافسة في موهبة الذكاء الاصطناعي.

بدأ سوق الشركات ← يتحول إلى عدوانية كبيرة لتوظيف رجال ML


وهناك وظائف متعددة ← متعلقة بعلوم البيانات ولكل منها اختلافاته الخاصة. (توجد احتياجات متعددة لهؤلاء الأشخاص).

عالم البيانات ← مصطلح شامل للمهارات الشاملة ← وما نوع المهارات التي نحتاجها؟

بناءً على المسؤولية → قد تحتاج إلى → أنواع مختلفة من الخلفية → ، وليس فقط هندسة البرمجيات.

ولكن بشكل عام ، تعتبر مهارات البحث والترميز ضرورية.

لا توجد إجابة عندما يتعلق الأمر بفرق تعلم الآلة.

ولكن كل فرد في الفريق → يحتاج إلى مهارات هندسة البرمجيات. (وجود انسجام جيد أمر بالغ الأهمية ← المهارات التي تكمل بعضها البعض ← تجعل الفريق أقوى).

حتى وجود أداة تحقق أمر مهم.

من الصعب التحسين مع مرور الوقت – من الصعب معرفة ما إذا كان ML صعبًا أم سهلًا من البداية.


أماكن مختلفة للعثور على وظائف ← مثل LinkedIn والمزيد. (واعتمادًا على الشركة ← معرفة ML ← الإحصاء مهم أيضًا).