обучаем свою собственную нейросеть
Профессия «Разработчик нейросетей»:
Мастер класс
Профессия: Разработчик нейросетей
Сферы деятельности
- искусственный интеллект
- машинное обучение
Используемые технологии
Python, TensorFlow, PyTorch, Numpy, Pandas
Необходимые навыки
знание алгоритмов машинного обучения
аналитическое мышление
работа с большими данными
аналитическое мышление
работа с большими данными
Продуктовые результаты
Обученная нейросеть
Где учиться
ТПУ, ТГУ, ТУСУР
Где работать
Технологические компании
Производственные компании
Производственные компании
О чём мероприятие?
Разработчик нейросетей – это профессионал, создающий алгоритмы, способные учиться на больших объемах данных. На нашем мастер-классе родители и дети смогут вместе познакомиться с основами нейросетевых моделей. Мы разберем простые и интересные примеры, а также обучим вас и ваших детей строить собственные модели, которые смогут распознавать изображения. Это занятие станет отличной возможностью для совместной работы, творчества и обучения, где родители и дети смогут объединить свои усилия и идеи. Вместе вы создадите увлекательные проекты, которые помогут погрузиться в захватывающий мир искусственного интеллекта!
Для кого мероприятие?
Для детей и их родителей
Для работы вам понадобится:
Ноутбук или компьютер с выходом в сеть интернет
Полезные материалы:
Ход работы:
1. Первый шаг
Сначала переходим по ссылке https://machinelearningforkids.co.uk/.
После чего на экране появится следующее изображение
После чего на экране появится следующее изображение
2. Второй шаг
Нажимаем «Начать».
3. Третий шаг
Нажимаем «Попробовать сейчас»
4. Четвертый шаг
Нажимаем «Добавить новый проект»
5. Пятый шаг
В поле «Название проекта» записываем произвольное название (Дорожные знаки), в поле «Тип проекта» выбираем распознавание изображения, в поле «Хранение» выбираем в веб-браузере. После чего нажимаем кнопку «Создать». Выбираем созданный нами проект.
6. Шестой шаг
В проекте есть 3 блока. В первом «Обучить» будут храниться данные, на которых нейронная сеть будет обучаться. Во втором «Узнать & Проверить» можно обучить нейронную сеть на данных, которые указаны в 1 блоке, после чего проверить на посторонних данных. В третьем блоке обученную нейронную сеть можно добавить к программе, написанной на языке Scratch или на Python.
7. Седьмой шаг
Выбираем первый блок, нажав кнопку «Обучить».
8. Восьмой шаг
Нажимаем кнопку «Добавить новую метку», пишем название «crosswalk», что переводится как пешеходный переход. Нажимаем «Добавить»
9. Девятый шаг
Аналогично добавляем еще две метки «speedlimit» (ограничение скорости) и «stop»
10. Десятый шаг
Теперь необходимо заполнить эти метки картинками знаков, чтобы тренировать нейронную сеть отличать их. Переходим по ссылке https://drive.google.com/file/d/1uJHp40ruf9tBqgjAbfYNGIruMlN20nMW/view, скачиваем архив «step1.zip» и распаковываем.
11. Одиннадцатый шаг
Перетягиваем содержимое каждой папки в метку
12. Двенадцатый шаг
В левом верхнем углу нажимаем кнопку «Назад к проекту», выбираем 2 блок «Узнать & Проверить» и нажимаем кнопку «Обучить новую модель машинного обучения». Обучение нейронной сети может занять несколько минут.
13. Тринадцатый шаг
Затем появляется поле, куда можно поместить ссылку на изображение и протестировать нейронную сеть.
Примеры изображений:
https://s0.rbk.ru/v6_top_pics/media/img/4/95/756613369181954.jpg
https://avatars.mds.yandex.net/i?id=147cc8f764feb655fed484b362a41920_l-5359509-images-thumbs&n=13
https://aif-s3.aif.ru/images/032/524/05c6d9f9c3bdb88201016158834368a0.jpg
Примеры изображений:
https://s0.rbk.ru/v6_top_pics/media/img/4/95/756613369181954.jpg
https://avatars.mds.yandex.net/i?id=147cc8f764feb655fed484b362a41920_l-5359509-images-thumbs&n=13
https://aif-s3.aif.ru/images/032/524/05c6d9f9c3bdb88201016158834368a0.jpg
14. Четырнадцатый шаг
Попробуйте найти в интернете картинку со знаком пешеходного перехода, стоп или ограничения скорости и загрузить в обученную нейронную сеть.
В ответе выводится знак и точность, с которой нейронная сеть определила его.
Аналогично можно обучить нейронную сеть распознавать любые изображения.
В ответе выводится знак и точность, с которой нейронная сеть определила его.
Аналогично можно обучить нейронную сеть распознавать любые изображения.
Итоговый продукт
Участники смогли познакомиться с принципом работы нейронных сетей и обучить свою собственную модель, способную определять по изображению такие знаки, как "Пешеходный переход", "Ограничение скорости", "Стоп". А также изучили основные функции сервиса, позволяющего обучать без программирования нейронные сети по распознаванию изображений.
Вопросы для обсуждения
1. Что нового Вы узнали?
2. Чему вы научились из данного проекта?
3. Какие новые навыки Вы сегодня получили?
4. Порекомендовали бы вы этот сервис вашим друзьям и знакомым?
5. Как вы думаете, какие еще модели нейронных сетей можно реализовать?
2. Чему вы научились из данного проекта?
3. Какие новые навыки Вы сегодня получили?
4. Порекомендовали бы вы этот сервис вашим друзьям и знакомым?
5. Как вы думаете, какие еще модели нейронных сетей можно реализовать?
Разработчики