8. Umjesto pisanja koda za
interpretiranje svijeta
Pišemo kod koji će naučiti
interpretirati svijet
Trebamo veliku količinu podataka koji
dobro predstavljaju naš problem
I trebamo machine learning model koji
ima kapacitet za riješiti taj problem
10. • Najbrže rastuće područje machine learninga
• Bazira se na ideji da modeli (npr. neuronske mreže)
trebaju imati mnogo slojeva (moraju biti “duboki)
• Dubina mreža omogućava učenje high-level
reprezentacije podataka (ključno za sve machine
learning probleme)
11. • “Svjetsko prvenstvo” za computer vision
• Zadatak je klasifikacija na velikom datasetu u veliki broj
razreda (1000+)
• Razlika u grešci od 20% i 1% je game-changer
Deep learning
35. Želite koristiti deep
learning u svojem projektu?
- Trebate podatke
- Proces za obradu tih podataka
- Model selection
- Način efikasnog deployjanja modela
36. No za kompletan proizvod nije
dovoljan samo model
Potrebna je i cijela
aplikacija!
38. Četiri ključne stvari:
- U hrvatskoj postoje firme koje se bave
machine learningom!
- Machine learning je hype, ali u nekim
primjenama daje daleko najbolje
rezultate
- Deployment modela na mobilnim
uređajima je u začecima i sigurno će rasti
- Glavna promjena za sve developere je
fokus na podatke