Asumiendo que la alta gerencia está ocupada, inteligente y sobre todo interesada en el progreso y las ganancias durante el año. Entonces, comience con un simple problema de ajuste de curva o predicción.
Divide su tarea en seis clases dependiendo de la participación:
- Introducción
- Representación
- Aprendizaje supervisado
- Aprendizaje sin supervisión
- Red neuronal recurrente
- Tema avanzado.
Introducción:
- ¿De dónde saca la gente la idea de que la IA (si alguna vez existiera a ese nivel) nos va a matar?
- ¿Qué opinas de AI?
- ¿Cuáles son los mejores libros para aprender inteligencia artificial, ciencia de datos?
- ¿La inteligencia artificial es buena o mala?
- ¿Es la inteligencia artificial realmente el fin de la humanidad?
Primero informa que la red neuronal artificial es tecnología relacionada con el aprendizaje automático y la inteligencia artificial. Discuta una imagen amplia de la Inteligencia Artificial y sus beneficios [9].
Explicar el aprendizaje automático como aprender del ejemplo. Diferenciarlo con inteligencia artificial tradicional basada en reglas.
Requisito de recursos de GPU. Y el último bombo de Deep Learning. Disponibilidad de Cloud API y software de código abierto.
Representación:
Use directamente su red entrenada para demostrar el poder de la red neuronal artificial; cómo funciona como un número múltiple de mapeo no lineal sucesivo, etc.
- Compare su red capacitada con el ajuste de curva ordinario que se proporciona en una hoja de cálculo, generalmente utilizado por la alta gerencia.
- Luego, introduce más cantidad de dimensiones, como ganancias y progreso para el año y la hora del hombre, y muestra la limitación de la hoja de cálculo.
- Esta es la única clase requerida para el usuario de la red neuronal artificial. Se requieren otras clases para aquellos que estén interesados en saber cómo se capacitan estas redes.
Descargo de responsabilidad: a menos que su alta dirección tenga a Gene similar a Elon Musk, explíqueles a priori el contenido de las clases restantes.
Aprendizaje supervisado:
Explicar ¿Cuál es la principal diferencia entre los problemas de clasificación y los problemas de regresión en el aprendizaje automático? No elija la propagación inversa directamente.
- Simplemente explique filosóficamente el problema de asignación de crédito / culpa, como quién más contribuye para el error será castigado más.
- Explique el descenso en gradiente a través de una pregunta como: ¿Cómo descenderá de una colina montañosa en un clima brumoso, donde no puede caminar pero se le permite saltar a cualquier distancia en cualquier dirección? Introduzca la importancia de la velocidad de entrenamiento como la distancia de salto y la pendiente como pendiente en un clima brumoso.
- Luego introduces el impulso como la inercia de los saltos anteriores. También introduzca otras variantes de impulso. Introducir curvatura y arpillera libre superficialmente.
- Finalmente, vaya a Back-propagation y algunos trucos de Regularización [8], como-Dropout [1], Batch Normalization [2].
- Introducir red neuronal convolucional [3] utilizando la base de datos MNIST. Explique el concepto de Compartir pesos, Conexión local, Agrupación [11] y profundidad a medida que aumenta el número de capas.
Aprendizaje sin supervisión
Explicar la diferencia entre Supervisar y Aprendizaje sin supervisión. Omita el codificador automático variacional y la máquina de Boltzmann restringida inicialmente.
- Explique Contractive Auto-Encoder como su archivo Zip para la compresión.
- Explique filosóficamente el codificador automático denoised [4].
- Explique Sparse: codificador automático como restricción en la cantidad de recursos utilizados en cada proyecto.
- Explique el apilamiento del codificador automático y la capacitación previa del aprendizaje profundo.
- Explicar el aprendizaje semi-supervisado y cómo es importante en la ejecución del proyecto, donde se etiqueta muy poca información.
- Finalmente, explique otros temas no supervisados: codificador automático variacional, máquina de Boltzmann restringida, red de creencias profundas, etc.
Red neuronal recurrente:
- Explica por qué algún problema requiere una red neuronal recurrente [5]. Nuestro cerebro es una red neuronal recurrente muy grande.
- Explique el problema de gradiente de fuga y cómo LSTM [6] lo resuelve.
- Explicar el ejemplo de nivel de personaje dado por Karpathy en [7].
- ¿Por qué Word2Vec?
- Investigue el estado de la traducción automática y explique cómo ayudará en el problema del idioma de las oficinas asiáticas.
Temas avanzados:
- Importancia de la teoría matemática, estadística y de probabilidad.
- Aprendizaje de refuerzo a través de AlphaGo: informe cómo Google compra la empresa con 500 millones de dólares, sin producto, sin cuota de mercado, solo por algoritmo.
- Adversarial [10] a través del ataque a la red.
- Atención a través de nuestra atención humana en una gran imagen.
- Potencia de la memoria externa como ejemplo en [1410.3916] Redes de memoria.
- Universidad, software, idiomas y empresas involucradas: Python, Lua, Theano, TensorFlow, IBM, Google, Facebook, NVDIA, etc.
- Uso del producto Artificial Network Network en dispositivos móviles [12].
[1] La respuesta de Debiprasad Ghosh a ¿Qué es la deserción en el aprendizaje profundo?
[2] La respuesta de Debiprasad Ghosh a ¿Por qué ayuda la normalización por lotes?
[3] La respuesta de Debiprasad Ghosh a ¿Qué es una explicación intuitiva de las redes neuronales convolucionales?
[4] La respuesta de Debiprasad Ghosh a ¿Cómo se entrenan las redes estocásticas generativas?
[5] La respuesta de Debiprasad Ghosh a ¿Por qué los NN recurrentes suelen ser buenos para procesar entradas de longitud variable?
[6] La respuesta de Debiprasad Ghosh a ¿Qué es LSTM?
[7] La efectividad irracional de las redes neuronales recurrentes
[8] La respuesta de Debiprasad Ghosh a ¿Qué es la regularización en el aprendizaje automático?
[9] La respuesta de Debiprasad Ghosh a ¿Cuál es la ventaja de la IA?
[10] La respuesta de Debiprasad Ghosh a ¿Qué son las Redes Adversarias Generativas (GAN)?
[11] La respuesta de Debiprasad Ghosh a ¿Qué es la agrupación en una arquitectura profunda?
[12] Respuesta de Debiprasad Ghosh a ¿Puedes implementar el aprendizaje profundo en una aplicación móvil?