Fast.ai napravio novi besplatni „deep learning” kurs i knjigu od 600 strana na istu temu

Materija je prilagođena i programerima koji nemaju iskustva u mašinskom učenju, a programi Fast.ai dosad su obezbedili poslove u velikim kompanijama za mnoge svoje polaznike.

Danko Novović
24/08/2020

Laboratorija Fast.ai, specijalizovana za razvoj softvera iz oblasti mašinskog učenja i veštačke inteligencije, predstavila je novi besplatni paket za učenje „deep learning-a”. Materijali dostupni na Fast.ai obuhvataju: 

  1. fastai v2 — novu verziju biblioteke fastai, bržu i fleksibilniju od prethodne,
  2. fastcore, fastscript i fastgpu biblioteke za fastai v2, korisne programerima i specijalistima za analizu i obradu podataka (data science), 
  3. Practical Deep Learning for Coders (prvi deo kursa) — ovogodišnji kurs koji uključuje uvod u mašinsko učenje i „deep learning”,
  4. Deep Learning for Coders with fastai and PyTorch: AI Applications Without a PhD — udžbenik koji pokriva materiju kojom se bavi kurs, uključujući i sadržaje planirane za drugi deo kursa.

Takođe, Fast.ai je nedavno objavio kurs Practical Data Ethics, koji se bavi aktuelnim etičkim pitanjima u vezi s manipulacijom podacima, poput zaštite privatnosti, nadzora, dezinformacija itd.

Biblioteka fastai

Fastai je biblioteka za Python, koja korisnicima na raspolaganje stavlja alate za brzu i jednostavnu primenu u standardnim domenima „deep learning-a”, ali i komponente koje se mogu kombinovati u osmišljavanju novih pristupa. Cilj kreatora fastai jeste da se to postigne bez kompromitovanja performansi, jednostavnosti korišćenja i fleksibilnosti, što je moguće zahvaljujući pažljivo strukturiranoj arhitekturi. Dva su dizajnerska cilja fastai biblioteke: da bude pristupačna i produktivna, ali istovremeno i podložna podešavanju. 

Kurs — Practical Deep Learning for Coders

Kako se navodi na sajtu Fast.ai, kurseve ove istraživačke laboratorije pohađale su stotine hiljada studenata iz celog sveta. Mnogi od njih postali su višestruki šampioni međunarodnih takmičenja u mašinskom učenju, dobijali su poslovne ponude od renomiranih kompanija i objavljivali naučne radove. 

Ovogodišnji kurs objedinjuje mašinsko učenje i „deep learning”, pokrivajući širok dijapazon tema, uključujući treniranje modela (u oblastima obrade prirodnih jezika (NLP), kolaborativnog filtriranja, kompjuterske vizije i sl.), pretvaranje modela u veb aplikacije, najaktuelnije tehnike „deep learning-a”… 

Jedini preduslov je poznavanje matematike na srednjoškolskom nivou i najmanje jednogodišnje iskustvo u kodiranju u Pajtonu.

Udžbenik — Deep Learning for Coders with fastai and PyTorch

Prema rečima direktora istraživanja u Google-u Petera Norviga, udžbenik prvo predstavlja konkretne primere, pa tek onda teoriju, a materija je prilagođena i programerima koji nemaju iskustva u mašinskom učenju. Direktor Centra za veštačku inteligenciju u medicini na Univerzitetu Stanford Kurtis Langloc istakao je da knjiga i kurs koji ide uz nju demistifikuju „deep learning” pružajući mogućnost za neposredno učenje kroz kodiranje i unapred napisani kod koji se može proučavati i reupotrebljavati.

Biblioteke — fastcore, fastscript i fastgpu 

Fastcore koristi fleksibilnost Python-a kako bi programerima omogućio da ga prilagodi svojim potrebama i doda funkcionalnosti iz drugih programskih jezika, kao što su Julia, Ruby i Haskell.

Fastscript pojednostavljuje kompleksnu sintaksu, kada je potrebno napraviti kratku i brzu skriptu.

Fastgpu omogućava da se, ukucavanjem samo jedne komande, skripte pokreću na prvom slobodnom grafičkom procesoru (GPU). Ukoliko nema slobodnih grafičkih procesora, komanda čeka dok se jedan ne oslobodi, a ako je više GPU-a slobodno, omogućava paralelno izvršavanje skripti. 

Danko Novović

Objavio/la članak.

ponedeljak, 24. Avgust, 2020.

IT Industrija

🔥 Najčitanije