Saturday, May 18, 2024
Latest:
Videos

Deep Learning SIMPLIFIED: The Series Intro – Ep. 1

Artis Modus



DeepLearning.TV

Are you overwhelmed by overly-technical explanations of Deep Learning? If so, this series will bring you up to speed on this fast-growing field – without any of the math or code.

Deep Learning is an important subfield of Artificial Intelligence (AI) that connects various topics like Machine Learning, Neural Networks, and Classification. The field has advanced significantly over the years due to the works of giants like Andrew Ng, Geoff Hinton, Yann LeCun, Adam Gibson, and Andrej Karpathy. Many companies have also invested heavily in Deep Learning and AI research – Google with DeepMind and its Driverless car, nVidia with CUDA and GPU computing, and recently Toyota with its new plan to allocate one billion dollars to AI research.

Deep Learning TV on
Facebook: https://www.facebook.com/DeepLearningTV/
Twitter: https://twitter.com/deeplearningtv

You’ve probably looked up videos on YouTube and found that most of them contain too much math for a beginner. The few videos that promise to just present concepts are usually still too high level for someone getting started. Any videos that show complicated code just make these problems worse for the viewers.

There’s nothing wrong with technical explanations, and to go far in this field you must understand them at some point. However, Deep Learning is a complex topic with a lot of information, so it can be difficult to know where to begin and what path to follow.

Does this resonate with you? What are your thoughts? Please comment.

The goal of this series is to give you a road map with enough detail that you’ll understand the important concepts, but not so much detail that you’ll feel overwhelmed. The hope is to further explain the concepts that you already know and bring to light the concepts that you need to know. In the end, you’ll be able to decide whether or not to invest additional time on this topic.

So while the math and the code are important, you will see neither in this series. The focus is on the intuition behind Deep Learning – what it is, how to use it, who’s behind it, and why it’s important. You’ll first get an overview of Deep Learning and a brief introduction of how to choose between different models. Then we’ll see some use cases. After that, we’ll discuss various Deep Learning tools including important software libraries and platforms where you can build your own Deep Nets.

Some resources:
Andrew Ng’s Machine learning class – https://www.coursera.org/learn/machine-learning
Michael Nielsen’s book: http://neuralnetworksanddeeplearning.com/index.html

Credits:
Nickey Pickorita (YouTube art) –
https://www.upwork.com/freelancers/~0147b8991909b20fca
Isabel Descutner (Voice) –
https://www.youtube.com/user/IsabelDescutner
Dan Partynski (Copy Editing) –
https://www.linkedin.com/in/danielpartynski
Marek Scibior (Prezi creator, Illustrator) –
http://brawuroweprezentacje.pl/
Jagannath Rajagopal (Creator, Producer and Director) –
https://ca.linkedin.com/in/jagannathrajagopal

Source

Similar Posts

26 thoughts on “Deep Learning SIMPLIFIED: The Series Intro – Ep. 1”

  12. OK, vou te indicar alguns pensamentos meus sobre métodos de ensino.
    Primeiro: Acredito que nós só aprendemos em duas situações: Por prazer ao assunto e por necessidade. No prazer, você tem que conquistar a pessoa de uma forma parecida ao que acontece na propaganda e no cinema. Envolva as emoções e sensações básicas dos seres humanos. E para isso você precisa, por exemplo, fazer conexões com situações que a pessoa já passou. Mas este é só um pequeno exemplo. Já no caso da necessidade você precisa mostrar a aplicação daquele conhecimento no cotidiano da pessoa. Na vida dela. Ou no mínimo, no trabalho/profissão dela. Mas tem que ser algo bem de imediato. E digo de imediato pois as vezes lidamos com crianças ou adolescentes forçados a aprender algo. Nestes casos, uma possível saída, é tentar cativá-los com a descrição do cotidiano e dos resultados no nosso mundo de uma determinada profissão/carreira. No clássico: O que você quer ser quando crescer?
    Segundo: Nós somos bem visuais. Então exemplos visuais são importantes. Audio-visual também ajuda.
    Terceiro: Outra situação são coisas como: exemplos, repertório, experiências. Pense num artista que precise desenhar um guepardo. Quanto mais informação(principalmente visual, neste caso) ele tiver de guepardos, melhor ficará o seu desenho final. Repertórios são importantes para desenvolver uma base de experiências para aprendermos algo. Aliás, não é bem assim que as máquinas aprendem? Por vários imputs de referência?
    Quarto: Bons meios de se ensinar quaisquer coisas são: A história sobre aquele tema. Reportagens sobre o assunto. De preferência atuais, senão vai se encaixar na história. Ou neste próximo exemplo: Livros e literatura sobre o tema(inclui artigos, documentários, fóruns…). Glossários e termos sobre o assunto/tema. Imagens e multimídia que ajude no repertório e nas experiências do aluno.
    Quinto: Trate o assunto de forma filosófica, artistica, matemática/exata e científica. Qualquer assunto! Sério 🙂 !
    Neste caso, nós temos as abordagens filosóficas envolvendo conceitos de IA. Usar técnicas clássicas e modernas de filosofia, ou seja, de pensamento organizado, para podermos compreender melhor algo em torno de um assunto. Como IA de forma genérica. Ou mesmo: Como resolver um determinado problema? E como resolvê-lo usando deep learning?
    Trabalhar de forma artística significa, basicamente, não há regras. Também significa que você tem que ensinar principios de criatividade, e de coisas como psicologia(não-clínica); enfim de processo criativo. Como os conceitos no livro Roube como um Artista(Cópia, Modificação e Combinação). Aliás, este trio é mais um elemento de IA, neste caso ligado à criação e arte, não?
    Científica vem da ideia do uso do revolucionário método científico. Apesar de metódico ele é muito preciso e eficiente. Você só precisa de coisas como pesquisas, referências, experimentos, estudos, e várias outras coisas para ir testando hipóteses suas. E então ir compartilhando e discutindo os resultados dos seus pensamentos e ideias com outras pessoas para encontrar fatos sobre o assunto e chegar a conclusões melhores.
    Já a matemática se aplica à interpretação matemática de um a determinada situação. O que por sua vez, ao meu ver, envolve um pouco de arte, filosofia e ciência. Só que aplicado à área de exatas e à precisão, controle e previsibilidade dos números. Infelizmente, neste caso, sempre vai se exigir conhecimentos mais técnicos de matemática. Conhecimentos estes que podem existir ou ter sido um tanto destruidos pelos métodos de ensino(forçado) da escola.

  15. Deep Learning is a great way for terrorists, disgruntled postal workers, and students with test anxiety to program an artificial intelligence drone, airplane, truck or car full of explosives to go blowup a university, airport, governmental installation or their grandmother's house.

  17. But what is deep learning????? I was expecting an answer like…. 'it's a revolutionary technology that helps in…… '. What i got was… 'this course do wonders and it is so well formed…. '. U never reached a point!

  22. This video was useless. The entire video was about how complex deep learning is – but it doesn't explain what it is LOL. I'm guessing that's EP2?

Comments are closed.

WP2Social Auto Publish Powered By : XYZScripts.com