humphd/have-fun-with-machine-learning

解決する問題

このプロジェクトは、機械学習を利用したいがAIに関する背景知識がないプログラマーに対して、参入障壁を取り除きます。博士号や複雑な数学理論、大規模な計算リソースを必要とせずに、画像分類モデルを構築する実践的で実践的な道を提供します。

仕組み

このガイドは、Caffeディープラーニングフレームワークと、コードを書かずにデータセットを管理しモデルを宣言的にトレーニングできるウェブベースのインターフェースであるNVIDIAのDIGITSを組み合わせて使用します。AlexNetやGoogLeNetなどの事前トレーニング済みネットワークに対して「ファインチューニング」（転移学習）を実行する方法を教え、ノートパソコンなどの標準的なハードウェアで小さなデータセットに対して高い精度を達成できるようにします。

対象読者

このガイドは、機械学習に興味があり、他のオープンソース技術と同じように実験したい開発者やプログラマーを対象としています。抽象的な理論を学ぶよりも、実際に手を動かして学ぶことを好む人向けに特別に設計されています。

ハイライト

• 複雑な機械学習ツールのインストールを簡素化するためにDockerを使用。
• 実用的な応用に焦点を当てる：イルカとタツノオトシゴを区別する分類器の構築。
• 大規模なデータセットや高価なGPUクラスターを必要としないように、事前トレーニング済みモデルの使用方法を実演。
• モデルのトレーニングとテストのための視覚的でウェブベースのワークフローを提供。
• 「研究者」の考え方よりも「実践者」の考え方を推奨。