深度学习的开发方法论

软件开发的实践已经创建了诸如敏捷开发和精益方法之类的开发方法,以解决开发的复杂性,从而提高软件创建的质量和效率。 尽管深度学习是从软件构建的,但它是另一种软件,因此需要另一种方法论。 深度学习与传统软件开发的最大不同之处在于,该过程的很大一部分涉及机器学习如何实现目标。 开发人员并没有完全脱离方程式,而是协同工作来调整深度学习算法。 深度学习足够丰富且复杂,因此需要一种过程模型或方法来指导开发人员。 该方法论解决了对更多培训数据的需求与探索推动有效架构发现的其他深度学习模式的必要相互作用。 方法描述如下: 我们首先开始对我们希望训练的建筑类型进行一些初步定义。 当然,这将由我们训练的数据的性质以及我们寻求的预测类型所驱动。 后者由解释模式指导,前者由特征模式指导。 有多种方法可以优化我们的培训过程,这取决于学习模式。 在选择了我们的网络模型和计划进行培训的数据之后,开发人员将负责回答有关是否有足够的标记培训集的问题。 该过程超出了传统的机器学习过程,该过程将数据集分为三组。 机器学习的惯例是创建训练集,验证集和测试集。 在该过程的第一步,如果培训水平很高,那么可以采取几种选择。 第一种方法是尝试增加模型的大小,第二种方法可能是训练太长(或者执行超参数调整),如果全部失败,则开发人员将调整架构或尝试新的架构。 在该过程的第二步中,开发人员根据验证集对训练进行验证,如果错误率很高,则表明过拟合,那么可以选择查找更多数据,应用不同的规则化,如果所有失败都尝试另一种体系结构。 与传统机器学习不同的是,深度学习具有更大的灵活性,因为开发人员可以选择采用更大的模型或使用更多的数据。…

生活在机器学习时代:有希望或被过度炒作。

在这个“在线时代”中,每种自由精神的身份甚至个性都可以从他们参与社交平台中得出。 “技术如何从我们手中夺走了很多?”这个问题使我们钦佩现行技术的非凡神秘性; 特别是人工智能(AI),机器学习(ML)和深度学习(DL)。 尽管人工智能的旅程始于1950年代左右,但随着1980年代机器学习的兴起,才获得了全面的繁荣,而深度学习的贡献进一步推动了人工智能的发展。 有前途的机器学习技术在工业和商业领域带来了惊人的突破。 随着机器学习的出现,人们实现了最期待的计算机和电子产品“明日世界”,无需预先设计的算法即可完成任务。 为了向机器灌输这种能力,应该使用来自各种来源(具有必需属性)的数据来训练机器。 除了这些培训之外,机器现在还可以积累较旧的经验,以便借助特殊算法进行决策。 根据美国银行Merill Lynch进行的研究,“在未来五年中,市场规模将达到1530亿美元,而2014年为580亿美元”。 其次是机器学习应用的市场份额,与人工智能的其他领域相比,超过20亿美元。 根据生命周期评估曲线,随着业务进入饱和阶段,业务领域的聚光灯将很快消失。 医疗行业将扮演下一个角色。 在经济学家预测医疗保健可能增长之后,来自医疗保健数据科学的研究得到了前所未有的关注。 这些预测确实加速了ML在医疗保健中各种实际应用的研究。 早些时候,在阻碍医疗行业重塑的各种制约因素中,最大的贡献是无法使用大数据。 但是,随着具有非常高的计算能力和存储设施的生物医学设备的出现,这种情况发生了变化,使医学领域成为了ML的萌芽床。 考虑到ML在医学领域的进步,最受欢迎的是癌症的预后,为能力不同的学生开发学习工具,优化临床测试,疾病诊断,老年医学辅助工具,预测个性化的健康结果。…

学习机器学习:回顾2017年和2018年的解决方案

恰好在一年前,我承诺要尽可能多地学习机器学习。 在2017年的整个过程中,在履行对我的家人和我的工作的承诺期间,我花了很多时间学习,探索和编码。 当洞察力成为焦点或具有挑战性的代码最终奏效时,我有些幸福。 当我的日常工作阻碍了我进步时,或者当我无法应对编码挑战时,我也感到很沮丧。 随着2017年即将结束,我已经对ML理论,Python和ML框架有了足够的了解,有望获得突破的机会,但这是我2017年的主要目标(应用深度学习解决我工作中的一个不重要的问题)仍然使我难以理解。 当我期待2018年时,我想分享2017年对我来说有用和不有用的东西,以及我在2018年获得ML成功的机会和风险。 2017年的工作原理: 为第一步设定积极的目标-我在2017 年开始时就将Andrew Ng的出色入门ML入门。 我决定利用2017年1月的优势来尽可能多地参加此课程。 到2月中旬,我已经完成了该课程。 这为今年迈出了一大步,并为我提供了取得进一步进展所需的一些基本要素。 使用 数据科学经验(DSX) -我在IBM工作,所以自然而然地将DSX用作探索ML的入门平台。 我可以毫无偏见地说,DSX对我来说是一个完美的起点-基于Web,因此不会浪费时间进行设置,将我需要的所有内容集中在一个位置,超级简单的共享以及大量可利用的工作代码示例。 致力于会议演讲…