Tradução de: My playlist – Top YouTube Videos on Machine Learning, Neural Network & Deep Learning
Autor: MANISH SARASWAT
Introdução
Uma das melhores maneiras de aprimorar o aprendizado de machine learning é assistir a uma palestra de um especialista, e por em prática seus ensinamentos. Se você fizer isso, você terá o melhor dos dois mundos – você aprende com especialistas do mundo todo e também de por a mão na massa.
Neste artigo, trago uma lista de vídeos do YouTube que você pode usar para melhorar o seu conhecimento nestas áreas.
Como você deve assisti-los?
Você tem que seguir um ritual (brincadeirinha!). Para sua facilidade, eu criei uma sequência/ordem “a ser seguida” desses vídeos. Categorizei os vídeos em: machine learning, redes neurais e deep learning. Se você é novo nisso, eu recomendo que você siga a sequência para obter melhor compreensão. Se não, sinta-se livre para seguir o seu próprio caminho e depois me fale como foi.
Se você sentir que a lista é demasiada, assita um byte de cada vez! Conside este como sendo um conjunto de referências para ser consumido ao longo do tempo. Esses vídeos vão desde alguns minutos até longas horas. Para sua conveniência, eu também criei um resumo para cada vídeo com o objetivo de dar uma visão geral. Vá em frente e divirta-se.
Vídeos relacionados Machine Learning
Duração – 16: 26mins
Resumo: Que melhor maneira de começar esta viagem do que ouvir um dos melhores professores e especialista em machine learning no mundo. Neste vídeo, Andrew Ng fala sobre seu sonho de infância para construir robôs que possam realmente pensar e funcionar como seres humanos e melhorar a vida de milhões de pessoas. Ele fala sobre a semelhança do cérebro humano e do software nas máquinas que podem faze-las funcionar como seres humanos.
Duração- N / A
Resumo: Esta é a lista completa das palestras de Stanford sobre Machine Learning (CS229) pelo Prof. Andrew Ng. Eu, pessoalmente, achei que são melhores do que as classes da Coursera, gostei muito.
Nestas conferências, ele aborda os conceitos de machine learning que incluem regressão linear e logística, aprendizagem supervisionada e não supervisionada, teoria da aprendizagem, reforço de aprendizagem e controle adaptativo. Ele discute técnicas como Naive Bayes, Redes Neurais, SVM, estatística Bayesiana, Regularização, Clustering, PCA e ICA. Ele também discute algumas aplicações recentes de machine learning, tais como controle robótico, mineração de dados, navegação autônoma, bioinformática, reconhecimento de voz e de texto e processamento de dados web.
Se você é um novato completo e quer uma introdução clara, que às vezes te desafie, comece com esses vídeos
Duração- NA
Resumo: neste curso de Machine Learning da Caltech – CS 156, o professor Yaser Abu-Mostafa dá detalhes em profundidade de vários conceitos e técnicas de machine learning. Este curso pega muito pesado na parte matemática e na teoria por trás de machine learning, com alguns exercícios difíceis de programação. Ele equilibra teoria e prática, e cobre a matemática, bem como os aspectos heurísticos. As palestras se seguem como numa história. Você deveria fazer este curso pelo desafio das tarefas que apresenta. Esta série de conferências tem 18 vídeos.
Duração- 28: 16mins
Resumo: Neste vídeo impressionante, Tavis Rudd fala sobre sua longa viagem de dois anos que o levou a criar este fascinante método de codificação usando reconhecimento de voz. Ele fez um monte de ajustes de vocabulário e na codificação em Python e em Emacs Lisp para desenvolver esse sistema, que lhe permite codificar muito mais rápido. Ele dá uma demonstração ao vivo do software que desenvolveu e através de sua voz faz o seu sistema fazer coisas em segundos, que de outra forma poderiam levar horas para codificar!
Duração- 18: 00mins
Resumo: Neste vídeo, o Sr. Stephen Hoover fala sobre uma plataforma de data science baseada em nuvem para análise de dados construída em sua empresa Civis Analytics e usando Python, que ajuda os analistas a executar o seu trabalho muito mais rápido e com muito pouco esforço. Ele fala sobre vários aspectos de machine learning da plataforma e fala sobre algumas bibliotecas de código aberto em Python que ajudam na análise de dados como pandas, NumPy e scikit-learn.
Se você sobreviveu à viagem até agora, parabéns! Veja o próximo vídeo e você vai estar preparado para as próximas 2 seções, ou seja, rede neural e deep learning! Diversão em dobro, caso você seja um fã de Mario quando criança.
Duração- 06: 00mins
Resumo: Este vídeo mostra como um programa de computador chamado MarI/O aprende a jogar Super Mario. Este programa é feito de Redes Neurais e Algoritmos Genéticos. O vídeo mostra a evolução biológica real do programa em comparação com o cérebro humano. Esta é uma das aplicações mais impressionantes de Machine Learning e que demonstra o seu alcance em várias atividades podem ser executadas por seres humanos.
Vídeos relacionados a Redes Neurais
Duração- N / A
Duração- 12:40 mins
Resumo: Esta série de vídeos ensina como treinar uma rede neural, ou seja, treinamento de rede neural. A forma de explicar é realmente boa. Este vídeo em particular dá uma visão geral completa do processo de formação. Depois de clicar sobre este vídeo, na seção ‘Up Next’ no YouTube, você vai encontrar os seus vídeos subsequentes cobrindo tópicos tais como o cálculo de erro de rede neural, cálculo de gradiente, etc, que são realmente úteis.
Duração- 54: 00mins
Resumo: RNA explora a não linearidade. Ela auxilia o processo de mapeamento de entrada-saída, diz o professor S. Sengupta, IIT Kharagpur, Índia. Ele explica perfeitamente o conceito de rede neural artificial, da maneira mais simples possível. Ele explica usando uma caneta e papel, o que realmente me ajudou a entender esses conceitos. Mais para o fim deste vídeo, ele aborda as aplicações da RNA. Não perca a seção ‘Up Next’.
Duração- 47: 40min
Resumo: redes neurais convolucionais são utilizadas para reconhecer objetos, imagens e vídeos. Neste vídeo aos 47 minutos, você será introduzido com o conceito de rede deconvolutional seguida, os insights para a seleção de arquitetura nas redes convolucionais. O papel da visualização é apresentar uma percepções sobre o desempenho de cada camada usando o que melhorias podem ser feitas.
Duração- 01:02:01
Resumo: Uma pessoa que não precisa de introduções, Geoffery Hinton, dá uma conversa enriquecedora sobre rede neural no GoogleTechTalks. Este vídeo vai ajudá-lo a construir uma base sólida em deep machine learning. Ele também irá apresenta-lo à jornada das redes neurais desde o passado até o futuro. Geoff abrange temas tais como a propagação recursiva, o reconhecimento de dígitos, máquina restrita de Boltzmann e outros assuntos relacionados.
Duração- 04: 40min
Resumo: Este curto vídeo explica a inteligência artificial usando evolução das redes neurais e um programa chamado ‘Neural Bots’. A atividade completa dos bots foram visualizadas usando um conjunto pré-definido de comandos. É divertido de assistir.
Duração- 09:04 mins
Resumo: Enviado pela Microsoft Research, este vídeo é uma curta palestra dada pelo diretor de pesquisa Rick Rashid. Rick demonstra o avanço do reconhecimento de voz usando redes neurais profundas e tradução automática que converte o inglês falado para línguas chinesas e, ao mesmo tempo, reduzindo a quantidade de erros recorrentes em todas as camadas.
Duração- 1:04:03 horas
Resumo: Este vídeo aborda o tema não convencional de aprender a cerca de processamento de informações a partir de bactérias. O orador começa com a parte da inteligência rudimentar que envolve cognição, sensoriamento, processamento. Ele também mostra o padrão de repensar de bactérias. Finalmente, o uso de redes sociais pode ser visto impulsionado pela química de tweeting.
Duração- 03: 00mins
Resumo: O título do vídeo é claro o suficiente para explicar o seu conteúdo. Este vídeo demonstra o processo completo de um gene que aprender a saltar uma bola.
Duração- 02: 15min
Resumo: Assim como vídeo anterior, ele também enfatiza sobre a ampla gama de aplicativos e implementação de redes neurais. Neste vídeo, um algoritmo genético aprender a lutar. Tais vídeos abriram meu apetite para aprender, uma vez que percebi o potencial ilimitado das redes neurais.
Vídeos relacionados a deep learing
Duração- 52:40 mins
Resumo: Este vídeo ensina a implementação de deep learning em Python. Ela começa com um problema “motivador” do reconhecimento de dígitos escritos à mão. Ele também demonstra os códigos completos de python usados para resolver um conjunto de dados com base em 60.000 imagens. O palestrante, em seguida, enfatiza os códigos e garante que não deixe de explicar o conjunto de códigos e algoritmos.
Duração- 1:09:04 minutos
Resumo: Este vídeo dá um bom começo para entender os conceitos de Deep Learning. Markus começa esta conversa, explicando a história por trás de deep learning. Ele dá uma rápida atualização sobre álgebra linear seguindo com redes neurais básicas, modelos sem supervisão e RNN-GSN. Mais tarde, o explica como implementar redes neurais simples em Python utilizando Theano.
Duração- 1:24:06 minutos
Resumo: Esta palestra irá apresentá-lo a um novo conceito que integra deep learning e big data. Deep learning já começou a derivar um valor significativo a partir de big data. Na segunda metade deste vídeo, você vai encontrar uma discussão útil entre pesquisadores do Google, Facebook e outras empresas gigantes. A discussão abrange a maior parte dos elementos de deep learning e de big data que são essenciais para o seu crescimento futuro.
Duração- 2:00:04 minutos
Resumo: Este vídeo foi publicado menos de uma semana atrás. Este é o primeiro curso que eu encontrei em visão computacional. Este tutoriais explicam os conceitos tais como (agrupamento espacial), normalização, classificação líquida imagem de etc. No final, várias aplicações surpreendentes foram exibidas usando uma coleção de imagens úteis.
Duração- 50:30 mins
Resumo: O Departamento de Ciência da Computação da Universidade de Oxford lançou este tutorial há alguns meses. Este é de longe um dos vídeos mais procurados em convnets. O orador discute os conceitos de usar convnets para reconhecimento de objetos e linguagem, como projetar camadas convolucionais, como projetar agrupamento de camadas. Na segunda metade do vídeo, ele discute o processo de construir convnets no Torch.
Duração- 48:20 mins
Resumo: Esta palestra é dada por Andrew Ng, fundador da Coursera, para abordar o desenvolvimento da aprendizagem não supervisionada de características e deep learning que pode caracterizar automaticamente representações a partir de dados. Nesta palestra, Andrew descreve os conceitos úteis por detrás de aprendizado não supervisionado de características e deep learning, descreve alguns algoritmos e apresenta um estudo de caso aplicado.
Duração- 1:05:20 minutos
Sumário: Geoff Hinton, um pioneiro em machine learning fala sobre os últimos desenvolvimentos em Deep Learning neste vídeo. Colocando ênfase nos aspectos matemáticos de vários algoritmos, ele fala sobre tarefas como reconhecimento de objetos, recuperação de informações e modelagem de dados de captura de movimento, na qual as redes profundas têm tido bastante sucesso.
Duração- 27: 30min
Resumo: Esta é uma versão em áudio da entrevista com Geoffrey Hinton. Nesta entrevista, ele descreve como o Google implementa sistemas de inteligência artificial. Além disso, ele enfatiza o componente de aprendizagem dos seres humanos e das máquinas utilizando redes neurais. Este é vídeo que deve ser visto (ou ouvido, melhor dizendo) por todos os entusiastas de machine learning.
Duração- 54:31 mins
Resumo: Yann LeCun do Departamento de Ciência da Computação da NYU fala sobre coisas onde é difícil de aplicar a Teoria da Aprendizagem, e apresenta-a como um desafio para a comunidade estudar. Ele fala sobre vários conceitos de deep learning e seu interesse em representações de aprendizagem em particular, que ele pensa que seja, provavelmente, o próximo passo para Machine Learning e Inteligência Artificial.
Duração- 1:05:30 horas
Resumo: Este vídeo de Mike Houston, expert em deep learning da NVIDIA, fala sobre o sistema de formação de deep learning chamado NVIDIA dígitos, juntamente com o NVIDIA DRIVE PX, trabalho de computador de carros para permitir que os carros se auto-dirijam. Ele fala sobre as ferramentas de treinamento e plataformas que sua equipe usa para construir esses carros auto-conduzidos, juntamente com os algoritmos de deep learning que eles usam para isso.
Duração- 56:02 mins
Resumo: Neste vídeo, Sergey Levine, pesquisador de pós-doutorado trabalhando com o professor Pieter Abbeel em UC Berkeley, fala sobre as aplicações de deep learning na tomada de decisão e controle. Ele enfoca aplicações como tarefas de controle contínuo e algumas outras aplicações mais amplas no final. Ele também descreve os algoritmos que enfrentam estes desafios usando aprendizagem supervisionada.
Duração- 1:00:23 minutos
Resumo: Jeff Dean, acadêmico sênior do Google Knowledge Group, fala sobre como podemos construir sistemas de computadores mais inteligentes utilizando redes neurais e Deep Learning. Ele enfoca as capacidades de sistemas de computadores como a fala e a visão básicas, compreensão da linguagem e previsão do comportamento do usuário e como ele aplicou essas técnicas em vários produtos do Google.
Notas finais
Espero que você tenha achado esta lista útil. Como mencionado antes, pode parecer demasiada para os iniciantes – dê um passo de cada vez e vá codificando enquanto isso. Se você tem sugestões para outros vídeos que podem ser adicionados a esta lista, por favor fique a vontade para adicioná-los aqui. Eu adoraria assisti-los!
Veja também:
- Performance dos preços de commodities – 2013 a 2017
- Matplotlib – guia de acesso rápido
- Participantes do mercado de pagamentos