Polish version of 'DeepLearning4j - your step into the world of deep learning in Java'. Presentation from local meetup Java User Group
https://www.meetup.com/pl-PL/Rzeszow-Java-User-Group/events/260369183/
29. • Prostsze modele (np. regresja) nie pozwalają uzyskać żądanego poziomu
dokładności w danej sytuacji
• Do przetwarzania obrazów, języka naturalnego
• Dane mają miele wymiarów
• Szeregi czasowe
Deep Learning – kiedy stosować?
30. • Dane są wysokiej jakości i mają mało wymiarów
• Nie jest wymagane wyszukiwanie skomplikowanych wzorców w obrazach
Deep Learning – kiedy NIE stosowć?
31. Przegląd rozwiązań chmurowych dla ML - AWS
Źródło: https://aws.amazon.com/blogs/machine-learning/announcing-the-artificial-intelligence-ai-hackathon-build-intelligent-applications-using-
machine-learning-apis-and-serverless/
32.
33. • BOOK: Deep Learning: A Practitioner's
Approach
• CS231n Convolutional Neural Networks for
Visual Recognition
(https://cs231n.github.io/)
Jak jest różnica między DL, ML, AI?
AI – jakiekolwiek techniki, które pomagają komputerowi myśleć jak człowiek `50
ML – zdolność komputerów to uczenia bez bezpośredniego pogramowania `80
DL – 2010
Uczenie nadzorowane, powiedzieć o pozostałych
2. ETL - extract, transform, load
3. Podział na testowy i treningowy
Przykład z wagą + wzrostem -> otyły 1/0
Uczenie głębokie:
Wiele warstw
Dostępna większa moc obliczeniowa
Większe zbiory uczenia
Ogólnie o bibliotece, kiedy powstała i kto ją stworzył
MNIST + UI
ETL
ZOO
Apply patch do MNIST
Przykładowe układy prezentacji tekstu z wykresem
DaxPro-Regular 24