Создаем нейронную сеть на Keras с нуля ➤ Искусственный интеллект на Python.

Подписаться 221 тыс.

Просмотров 61 тыс.

50% 1

🔥Скидка 15% на любой пакет подписки ITVDN по промо-коду - 4RU-vid
Материалы вебинара - itvdn.com/ru/webinars/descrip...
Данный вебинар посвящен созданию нейронной сети на Keras с нуля. Вы узнаете, как можно реализовать простой искусственный интеллект на Python Keras.
Рассмотрим создание самых простых нейронных сетей с использованием языка программирования Python и популярного фреймворка Keras.
Вначале будет небольшая теоретическая часть - введение в математическую теорию нейронных сетей, а затем вместе с аудиторией будет решаться такая классическая задача, как классификация на примере датасета “Титаник” при помощи тандема Python Keras.
На вебинаре будут показаны основы работы с нейронными сетями и подготовкой данных. Также немного поговорим о том, как работается специалистам в области Data Science. Вебинар может выступать в качестве хорошего Keras Tutorial, демонстрирующего возможности данного фреймворка.
План вебинара:
Теоретические основы нейронных сетей.
Работа с датасетом, формулировка задачи и написание нейронной сети на Python Keras.
Ответы на вопросы.
00:00 Вступление. О вебинаре и знакомство с автором
2:49 План вебинара
5:03 История нейронных сетей
9:49 Виды машинного обучения
12:16 Пример обучения с учителем
14:36 Пример данных и модели
16:14 Модель в виде графа
19:10 Движение данных в моделях
23:03 Обратное распространение ошибки и градиентный спуск
29:40 Фреймворки машинного обучения и подготовка к практике
34:20 Разбор простой задачи. Линейная модель, данные и аппроксимация данных
49:51 О кросс-валидации
54:35 О тестовой выборке
55:36 Рассмотрение датасета “Титаник”.
1:03:28 Немного кода для работы с Titanik.csv.
1:06:15 Постановка задачи и план работы
1:07:41 Подготовка данных и их нормализация
1:37:04 Разделение данных на три выборки
1:49:14 Тестовая выборка
1:56:35 Вопросы и ответы
#keras #python

Опубликовано:

16 июн 2024

Ссылка:

Скачать:

Готовим ссылку...

Добавить в:

Мой плейлист

Посмотреть позже

Комментарии : 70

@ITVDN 3 года назад

🔥Скидка 15% на любой пакет подписки ITVDN по промо-коду - 4RU-vid Видеокурсы по Python - itvdn.com/ru/specialities/python-developer? Онлайн обучение с тренером по Python - itvdn.com/ru/live-online/python-developer? Материалы вебинара - itvdn.com/ru/webinars/description/keras?

@fedotik827 2 года назад

Благодарю добрый человек за отличный урок! Вроде многое понял!

@sergeye444 3 года назад

Большое спасибо! очень интересно, все получилось.

@user-eh6rq5zr2b 2 года назад

Спасибо ! Очень информативно

@Sergey-cz7ym 11 месяцев назад

49:16 если у кого то вылазит ошибка Input 0 of layer "dense" is incompatible with the layer то исправите строку model.... : model.add(k.layers.Dense(units=1, input_shape=[1], activation='linear'))

@flarens_ray 7 месяцев назад

Спасибо! Очень помог

@torbokovsanat 3 года назад

очень полезно. а где можно посмотреть еще ваши уроки по нейронкам (Keras) ?

@1995LEV 3 года назад

Очень интересно, спасибо

@Travveller 6 месяцев назад

Супер вебинар, спасибо большое. Насчёт федеративного обучения в МО можете рассказать?

@Dmitrii-Zhinzhilov Год назад

Благодарю! 👍🔥💯

@innasalnova9098 3 года назад

Спасибо. Все доступно объяснили. Было бы интересно разобраться как подготовить датасет из изображений для дальнейшей классификации.

@user-gq6dv9pp5h 3 года назад

С датасетами насколько я понимаю сложнее всего = в свое время, чтобы собрать датасеты вместо капчи компании предлагали пользователям идентифицировать картинки на предмет нахождения в них определенных элементов (стоп сигнала, машины, велосипеда и т.п.)

@osvab000 Год назад

При запуске нейронки на 48:15 у меня выскакивала ошибка, а все потому, что не указали input_shape=(1,) - model.add(k.layers.Dense(units=1, input_shape=(1,), activation='linear'))

@paintU806 Год назад

То же самое получилось, пока ваши две строки не вставил в код.

@Alexey.np88 8 месяцев назад

спасибо👍

@Deiherium 2 года назад

Когда говорят о погоде и озвучивают, к примеру, что ожидаемая вероятность осадков составляет 30 %, многие думают, что речь идет о том, будет дождь или нет. Но на практике дела обстоят по-другому. Это утверждение говорит о том, что дождь пойдет с вероятностью 100%, но произойдет это только на 30% территории, о которой говорится в прогнозе. xD

@kolyangod2715 2 года назад

Отличные примеры и уроки! Не могли бы Вы рассмотреть, допустим, создание нейросети для распознавания заболеваний на снимках КТ или МСКТ?

@alexandrosipov4186 Год назад

можно! а где взять приличного размера датасет для этого?

@yurikolosov4392 6 месяцев назад

@@alexandrosipov4186 добрый день, вы занимаетесь созданием ИНС ? хотел бы поинтересоваться насчёт них, нужно для учебы

@alexandrosipov4186 6 месяцев назад

@@yurikolosov4392 немного да

@user-yz9uw3pd5t 2 года назад

ГОУ более продвинутое видео по керасу!

@user-nl6os6sq4k 2 года назад

Код для дождя и зонтика не работает. Ругается на строку fit_results = model.fit(x=input_data, y=output_data, epochs=100)

@user-vl9km6ot1h 5 месяцев назад

ей не нравится что массив одномерный. исправьте входные на input_data = np.array([0.3, 0.7, 0.9]).reshape(-1, 1) output_data = np.array([0.5, 0.9, 1.0]).reshape(-1, 1)

@TheSkyInFire 2 года назад

В первом же примере ничего не работает, но зато потратив немного времени на гугл, и найдя решение для проблемы, смог гораздо лучше понять как оно работает.

@blackpointguild6651 Месяц назад

Введение в нейронные сети: История развития нейронных сетей Основные типы нейронных сетей (обучение с учителем, обучение без учителя) Примеры применения нейронных сетей (классификация, регрессия) Фреймворки для разработки нейронных сетей: PyTorch, TensorFlow, Keras: основные различия и преимущества Использование фреймворков для создания и обучения моделей нейронных сетей Математические основы нейронных сетей: Уравнение нейрона и его графическое представление Функции активации (линейная, сигмоида, ReLU и др.) Метод градиентного спуска и его вариации (стохастический градиентный спуск, моментум) Подготовка данных для обучения нейронных сетей: Преобразование данных в формат, пригодный для обучения (нормализация, one-hot encoding) Разделение данных на тренировочный, валидационный и тестовый наборы Обучение и оценка модели нейронной сети: Компиляция модели и выбор функции потерь, оптимизатора и метрик Обучение модели на тренировочных данных и оценка на валидационных данных Визуализация кривых потерь и точности модели в процессе обучения Применение нейронных сетей на практике: Примеры реальных задач, решаемых с помощью нейронных сетей (распознавание изображений, обработка текста, прогнозирование временных рядов) Использование готовых решений и библиотек для решения задач с нейронными сетями Дополнительные темы и ресурсы: Расширенные архитектуры нейронных сетей (сверточные, рекуррентные, генеративные модели) Исследования и новые подходы в области нейронных сетей Курсы, статьи и ресурсы для дальнейшего изучения нейронных сетей

@Sergey-cz7ym 11 месяцев назад

01:24:55 зачем мы передаем в метод make_supervised поле data_frame если в методе всё равно берем его из глобальной переменной?

@dimaben 3 года назад

С отметки 24:10 - там вроде скобки неправильно раскрыты. В прямоугольничке написано: LOSS = Y_true - (a*x + b) = Y_true - a*x + b но по математике должно быть (при раскрытии скобок знак перед которыми стоит минус меняется на противоположный) LOSS = Y_true - (a*x + b) = Y_true - a*x - b Я правильно понял?

@semsoe5638 2 года назад

Понравилось

@user-yz9uw3pd5t 2 года назад

Можно ли обучить модель на керасе и потом на плюсы перенести в микроконтроллер уже обученную?

@ruslanziganshin6855 2 года назад

Просто узнав значения весов после обучения

@SlavikTUT 2 года назад

Это рядовое нейронное ядро, которое внезапно умеет думать.

@uliukolesnikov5103 Год назад

Можно ли с вами связаться, чтобы помогли разобраться, много раз пытался дойти до изучения Machine learning. не хотелось бы опять бросить, потому что вначале пути появляются непонятные ошибки. С уважением, подписчик

@paintU806 Год назад

Хотел повторить за вами, но столкнулся с тем, что не устанавливалась библиотека tensorflow , оказалось всё банально. Она работает только с версией Python 3.7. После установки Python 3.7 всё установилось

@user-oz8gj1vm9s 2 года назад

круто

@emutant01 2 года назад

Pclass можно было привести в бинарное представление 01,10,11 и вместо 3 х колонок, было бы 2 колонки

@matveydorofeev9916 3 года назад

кайф

@user-ov4xr7cz5j 3 года назад

-давай информационную безопасность населению, зети системы (от слова зять)!

@user-ni2lr8hj6j 3 года назад

Вы бы опубликовали готовый, рабочий код, а то я ваш переписал, но ошибки получаю.

@WitcherCoin 2 года назад

Если ещё нужен, то могу скинуть

@user-if4fn3hq3k 2 года назад

@@WitcherCoin нужен

@1awsdful 2 года назад

@@WitcherCoin А можешь тоже скинуть?

@user-ig2sj4xt8l 2 года назад

@@WitcherCoin И мне)))

@dimaben 3 года назад

Кстати, пакеты не устанавливались на распоследний Python (3.9) скачанный с официального сайта. Только после того как я удалил его и установил версию Python из Microsoft Store (там она 3.8.6) после этого все упомянутые пакеты установились. (У меня Windows 10 Pro x64, 2004 (19041.630), лицензионная) До этого оно писало ошибку: ERROR: Could not find a version that satisfies the requirement tensorflow (from versions: none) ERROR: No matching distribution found for tensorflow Также такую ошибку: ERROR: tensorflow_gpu-2.3.0-cp38-cp38-win_amd64.whl is not a supported wheel on this platform.

@user-tx3hy5ly7i Год назад

Непонятно, в уравнении y=ax+b что такое а и b, почему единица умножается на b и откуда она взялась, какие из переменных мне должны быть известны чтобы решить уравнение, как решить уравнение если не все переменные известны?

@user-cc7fi2ul3z 3 года назад

Здравствуйте, у меня среди project interpriter нет ничего вообще чтобы выбрать(не то, что keras preprocessong), нужно заранее что-то установить?

@alex_iceberg 2 года назад

вбил полностью код первого примера, проверил все требования модулей, ничего не работает! не могу понять... Есть, кто разобрался?ссс

@comachine Год назад

Примерно после 1:15:00 пошел просто код практически без объяснений...

@damien_black Год назад

можно средствами numpy подготовить данные input_headlines = ['Age', 'Sex', 'Pclass'] input_data = np.array(data_frame[input_headlines]) input_data[:, 0] = list(map(lambda age: age/100, input_data[:, 0])) input_data[:, 1] = list(map(lambda sex: {'male': 0, 'female': 1}.get(sex), input_data[:, 1])) pcls = np.array(list(map(lambda pclass: {1: (1, 0, 0), 2: (0, 1, 0), 3: (0, 0, 1)}.get(pclass), input_data[:, 2]))) con = np.concatenate((input_data[:, :2], pcls), axis=1) encoded_inputs = con.astype('float32')

@aidar4877 Год назад

он точно сеньор?)))

@BlYur 3 года назад

Этот код можно запустить под Андроид?

@MoRFaiR 2 года назад

Ну где там компьютер вижн?)

@user-yz9uw3pd5t 2 года назад

Норм 2 плюсика в карме

@Mai-fl4cy 2 года назад

слабенький курс, но местами было интересно. В любом случае спасибо

@user-ur6uu6xf6k Год назад

Не курс слабенький, а у тебя завышеные критерии. Но это не плохо. Это индивидуально.

@user-ni2lr8hj6j 3 года назад

У кого есть рабочий код этого видео, сбросьте пожалуйста

@neonkino Год назад

а Colab-ом пользоваться религия не позволяет? или по "полчаса" настраивать среду разработки это прям особый кайф какой-то? особенно для зрителей.

@Vev79 5 месяцев назад

Лектор не в теме,несет пургу,но к счастью это обнаруживается в самом начале.

@m0utain_j3w 2 года назад

То есть, то есть, то есть, то есть, то есть, то есть Спасибо, конечно, хоть за такой вебинар, но это невозможно слушать и понимать одновременно

@no-0-name309 Год назад

кулер

@nik01aich Год назад

перепутал нейрон и нервную клетку

@nik01aich Год назад

Вообще не понятно объясняет

@choknutyi_medved 2 года назад

Люди всегда хотели создать искусственный интеллект ?))) Люди про свой то интеллект догадались пару тысяч лет назад ))) что за бред ?))) С палкой мамонтов гоняли и думали про искусственный интеллект)) ржу не могу . Всегда хотели )))

@user-ov4xr7cz5j 3 года назад

Вы знаете, нейросеть строить незачем т. к. этот процесс несёт только разрушение всех систем - за ними только можно наблюдать готовыми самой природой или созданной самим человеком прямым контактом-например программа умный дом накладывается ужена готовую дома систему. Подобное строительство сети идёт про процессам, энергия бородавок образования-видов которых множество. Тем самым вы не строите нейросеть-вы строите вирусы.

@m0utain_j3w 2 года назад

Что за хрень ты написала? Хотя бы прочитай свой бред, прежде чем отправлять

@user-ho8on9ms5v 2 месяца назад

Вставлю свои 5 копеек. ИМХО (это имхо) быстрее реализовать всё-таки через серии/датафреймы, т.к. всё упрощается. pd.concat([df1.apply(lambda age: age/max_age), df2.apply(lambda gend: {"male": 0, "female": 1}.get(gend)), df3.apply(lambda pcl: {1:[1,0,0], 2:[0,1,0], 3:[0,0,1]}.get(pcl))], axis=1) Возвращает понятный датафрейм. Думаю, что это даже не самый рациональный способ преобразований, есть быстрее (scikit-у привет)! Age Sex Pclass 0 0.22 0 [0, 0, 1] 1 0.38 1 [1, 0, 0] 2 0.26 1 [0, 0, 1] 3 0.35 1 [1, 0, 0] 4 0.35 0 [0, 0, 1]