#day15. Deep Learning Specialization course part 3. #100daychallenge
Treći kurs od ukupno 5 zove se Structuring Machine Learning Projects i predstavlja logičan nastavak prethodnog kursa gde će biti reči kako se prave projekti i kako se dijagnostifikuju greške, šta se podrazumeva kad se kaže da algoritam dostiže tačnost na nivou ljudskog eksperta i dr. Sastoji se od svega dve nedelje ali mnogo toga je struktuirano u svaku lekciju vrlo pažljivo.
Po meni, prva tri kursa su esencijalna za razumevanje dubokog učenja, metoda i šta se dešava ‘ispod haube’, a naredna dva bih nazvala specijalizacijom odnosno, nije neohodno da vreme odvajatate za oba ukoliko ste već stekli određenu intuiciju u kom pravcu ćete se dalje razvijati. Da li vas zanima obrada odnosno klasifikacija slika, govora, zvuka…?
Četvrti kurs se bazira na konvolucijskim neuronskim mrežama (Convolution Neural Networks) gde je je ulazni podatak slika ili video. Ove mreže su karakteristične jer sadrže nekoliko tipova različitih lejera, nisu klasične neuronske mreže. Ove mreže prvenstveno služe za klasifikaciju a takođe postoje algoritmi koji se pored klasifikcije bave i detekcijom i lokalizacijom o kojima ću detaljnije pisati jer sam ih ja koristila. Ukoliko vas zanima npr. šta se nalazi ispod haube automobila bez vozača, self-driving car, ovaj kurs pokriva i više od toga.
Peti kurs se zove Sequence models i tu ćete naučiti kako da kreirate modele za obradu i preponavanje zvuka, govora i prevoda u duhu određenog jezika (NLP — Natural Language processing) ili drugačiji prevod - procesiranje govornog jezika. Ko koristi google translate unazad x godina, može da primeti da su sada prevodi daleko smisleniji i da algoritam razume kontekst skupa reči. Ako vas pozadina rada Grammarly ili Shazam, ovaj kurs je za vas!
Do sutra…
