Глубокое обучение: GANы и вариационные автокодировщики (Часть 3 из 3)

Формат: Видео Продолжительность: ~ 7.5 часов Перевод: Красный Кут Тип перевода: Транскрибация с русским переводом Всего: 53 видео лекции Дата выдачи курса 25.05.20 ЧАСТЬ 1 из 3 ЧАСТЬ 2 из 3 ЧЕМУ ВЫ НАУЧИТЕСЬ – изучите основные принципы генеративных моделей; – построение вариационного автокодировщика в Theano и TensorFlow; – построение GAN (генеративно-состязательной сети) в Theano и TensorFlow. ТРЕБОВАНИЯ – знать, как построить нейронную сеть в Theano и/или TensorFlow; – теория вероятностей; – многофакторное счисление; – Numpy и т. д. В последнее время вариационные автокодировщики и GANы стали двумя наиболее интересными разработками в глубоком и машинном обучении. Ян ЛеКун, первопроходец глубокого обучения, заявил, что наиболее важной разработкой последних лет стало состязательное обучение, касающееся GANов. GAN расшифровывается как генеративно- состязательная сеть, где две нейронные сети соревнуются друг с другом. Что такое обучение без учителя? Обучение без учителя означает, что мы не стараемся сопоставить входные данные с целевыми переменными, а просто пытаемся изучить структуру входных данных. Изучив эту структуру, мы можем сделать ряд замечательных вещей. Одним из примеров является генерация стихов – мы уже проходили этот пример в прошлом. Но поэзия – вещь очень специфическая, а как насчёт письма вообще? Если мы сможем изучить структуру языка, то сможем и генерировать любого рода текст. Действительно, крупные компании вкладывают большие суммы денег в исследования того, как машины могли бы писать новости. Но что, если мы вернёмся к поэзии и уберём слова? Тогда мы получим искусство в целом. Изучая структуру искусства, мы можем создавать новые произведения искусства. А как насчёт искусства звуков? Если мы изучим структуру музыки, то сможем создавать новую музыку. Представьте себе ситуацию, когда топ-40 хитов на радио являются песнями, написанные в большей степени роботами, чем людьми! Возможности – просто безграничные! У вас может возникнуть вопрос: «Чем этот курс отличается от первого курса по глубокому обучению без учителя?» В том первом курсе мы тоже старались изучить структуру данных, но по несколько другим причинам. Мы изучали структуру данных с целью улучшить обучение с учителем, что, как было продемонстрировано, вполне возможно. В этом новому курсе мы изучаем структуру данных с целью получить результат, отображающий исходные данные. Это замечательно само по себе, но мы также используем идеи байесовского машинного обучения, обучения с подкреплением и теории игр. Это будет ещё чудеснее! Спасибо за внимание и до встречи на занятиях!