A fast.ai csapata egy újabb ingyenes tanfolyamot indított a gyakorlati mélytanulás világába, amely kifejezetten azoknak szól, akik már tudnak kódolni, de szeretnék a gépi tanulást valós problémákra alkalmazni. Az első rész 9 körülbelül 90 perces leckéből áll, amelyeket Jeremy Howard, a fast.ai alapítója tanít – aki egyébként 30 éve foglalkozik gépi tanulással, és kétévente nyert Kaggle versenyt a világon.
A tanfolyam három fő részre oszlik: az első rész (8 lecke) az alapokról indul, a második rész pedig 16 további leckét kínál a mélyebb alapokhoz és a Stable Diffusion modellekhez. Az első leckék végére már saját mélytanulási modellt épít és telepít az ember valós adatokon – ezek a projektek már százan megosztották az online közösségben, az egyik hallgató például egy dinoszaurusz-osztályozót készített!
Ami miatt valóban érdekes ez a tanfolyam: senki nem kell hogy matematikus legyen. Az előfeltétel pusztán egy év kódolási tapasztalat és középiskolai szintű matematika. Jeremy Howard szerint „a mélytanulás mindenkié”, és ez nem üres szlogen – olyan hallgatók végeztek a korábbi fast.ai tanfolyamokon, akik később a Google Brain, az OpenAI, az Adobe és a Tesla-nál dolgoznak, vagy nemzetközi versenyeket nyertek.
A szoftver része is érdekes: PyTorch-ot használnak, amely jelenleg a leggyorsabban növekvő mélytanulási könyvtár. Ehhez a fastai könyvtárat építik rá, valamint a Hugging Face Transformers-t a természetes nyelv feldolgozásához és a Gradio-t a modellek internetes alkalmazássá alakításához. Az első leckét végignézve azonnal rá lehet fogni: a csapat az elmúlt ezer órát töltötte a PyTorch tesztelésével, mielőtt úgy döntöttek volna, hogy ezt használják.
Ma már több mint 6 millió megtekintés van az videókon, és Peter Norvig, a Google kutatási igazgatója így írta le a hozzá tartozó könyvet: „Az szerzőknek olyan mély tudásuk van a témáról, mégis olyan módon írják le, amely tökéletes a programozási tapasztalattal rendelkező, de gépi tanulásban kezdő olvasónak. A könyv példákkal kezd, és csak a konkrét példák kontextusában tanít elméletet. A legtöbb embernek így a legjobb tanulni.”
A praktikusság ugyancsak eladó pont: nem kell speciális hardver vagy szoftver, hogy elinduljon az ember. A tanfolyam ingyenes Kaggle Notebooks vagy Paperspace Gradient fiókok használatát ajánlja, így egy kezdő senki felé sem tartozik pénzzel. Ha elakad, van egy aktív online közösség a forums.fast.ai-n, ahol emberek szeretnek segíteni.
Az tanfolyam tematikája széles: képosztályozástól kezdve a tabellás adatok feldolgozásán át a kollaboratív szűrésig (filmajánlások), valamint a természetes nyelv feldolgozásáig terjedően. Az első rész után mehet az ember a második részre, amely a Stable Diffusion-t, az autoencodereket, a backpropagation alapjait, és az attention/transformer modelleket veszi elő. A könyv és az összes Jupyter Notebook is ingyenesen elérhető online, tehát nincs rejtett költség.
Forrás: Practical Deep Learning for Coders – Practical Deep Learning
