Как научиться делать штробас


Уроки вокала. Штробас - как расслабление и основа Хрипа

Сегодня вы узнает прием, который помогает разогревать и расслаблять связки. А также благодаря этому приему я научилась петь с хрипом. Этот прием называется штробас.

Штробас использовали давным-давно классические вокалисты, а позже его начали применять рок-вокалисты, чтобы научиться петь с хрипом. Но самое главное - благодаря этому упражнению вы можете разогреть связки без использования распевок или расслабить, если вы долго пели или много разговаривали.

Штробас получается благодаря колебанию ложных связок.

Штробас получается благодаря колебанию ложных связок, которые находятся за нашими голосовыми связками и перед ними. Во время этого упражнения колеблются ложные связки, а ваши голосовые связки расслаблены.

Чтобы научиться делать штробас, вспомните свой голос сразу после пробуждения. Слова звучат как бы с хрипотцой, это и есть штробас. Это происходит потому, что тело и голосовые связки максимально расслаблены.
Чтобы придать звуку яркости и сделать его немного громче, нужно немного вздернуть нос и сделать легкую улыбку. Попробуйте сделать этот звук на “А”.

В области шеи в районе связок может возникнуть теплое согревающее ощущение. Теперь попробуйте в штробасе протянуть звук на “А”.

Когда вам удалось добиться непрерывного хрипа на штробасе, попробуйте интонировать с хрипом. То есть усиливать и приглушать звучание голоса, менять его высоту.

Strobus советы по стилю | Орех бонсай

Привет, MrFancyPlants, это дерево прошло долгий путь, прежде чем вы даже могли подумать о его стилизации. Если вы находитесь к северу от тропика, вам следует посадить это дерево в землю и позволить ему свободно расти в течение нескольких лет. Или поместите его в детский контейнер намного большего размера. Когда вы кладете его в землю, посадите его под углом, чтобы верхняя ветка поднялась вверх. Надеюсь, через несколько лет верхняя ветвь станет достаточно большой и крепкой, чтобы над ней можно было работать.У этого вида сосны длинные иголки, поэтому окончательный дизайн дерева должен быть бонсай большого размера, а не шохин или чухин. Прямо сейчас у вас есть только нижняя половина вашего последнего дерева. Вам нужно будет вырастить верхнюю половину дерева. Не нужно сейчас думать о верхнем мертвом пне. К тому времени, когда дерево будет готово к укладке, оно сгниет. Имея много места, света, воды и удобрений, это может быть хорошим предварительным бонсай, над которым можно работать через 4-5 лет.
Удачи.
Si, в Лейк-Форест, Калифорния

,

strobus Википедия

Список Википедии, статья

Pinus , сосны , это род примерно 111 существующих видов деревьев и кустарников. В настоящее время род разделен на два подрода: подрод Pinus ( твердых сосен ) и подрод Strobus ( мягких сосен ). Каждый из подродов был дополнительно разделен на секции на основе секвенирования ДНК хлоропластов [1] и анализа генома целых пластид.Более старые классификации разделили род на три подрода - подрод Pinus , подрод Strobus и подрод Ducampopinus (сосны пиньон, щетинковидные и кружевные) [3] - на основе характеристик шишек, семян и листьев. Филогения ДНК показала, что виды, ранее входившие в подрод Ducampopinus , являются членами подрода Strobus , поэтому Ducampopinus больше не используется. [1]

Pinus
Подрод Pinus
Раздел Trifoliae

Подраздел Ponderosae

Подраздел Contortae

Подраздел Australes

Раздел Pinus

Подраздел Pinus

Подраздел Pinaster

Подрод Strobus
Раздел Quinquefoliae

Подраздел Gerardianae

Подраздел Krempfianae

Подраздел Strobus

Секция Паррия

Подраздел Nelsonianae

Подраздел Balfourianae

Подраздел Cembroides

Виды подрода Ducampopinus считались промежуточными между двумя другими подродами.В современной классификации они помещены в подрод Strobus , но они не полностью вписывались ни в один из них, поэтому были отнесены к третьему подроду. В 1888 году калифорнийский ботаник Джон Гилл Леммон поместил их в подрод Pinus . В целом, эта классификация делала упор на морфологию шишек, чешуек шишек, семян, пучков листьев и чехлов, а виды в каждой подсекции обычно распознавались по общему внешнему виду. Сосны с одним фиброваскулярным пучком на листе (бывший подрод Strobus и Ducampopinus ) были известны как haploxylon pines , в то время как сосны с двумя фиброваскулярными пучками на листе (подрод Pinus ) были названы диплоксилонными соснами .Сосна диплоксилон, как правило, имеет более твердую древесину и большее количество смолы, чем сосна гаплоксилон. Текущее разделение на два подрода ( Pinus и Strobus ) подтверждается строгими генетическими доказательствами.

Несколько признаков используются для различения подродов, секций и подсекций сосны: количество листьев (игл) на пучок, независимо от того, являются ли влагалища пучка листопадными или стойкими, число фиброваскулярных пучков на иглу (2 из Pinus или 1 из Strobus ), положение смоляных протоков в хвое (внутреннее или внешнее), наличие или форма семенных крыльев (отсутствуют, рудиментарные, сочлененные и сросшиеся) и положение пупка (дорсальный или терминальный) и наличие колючки на чешуях семенных шишек. [4]

Подрод Pinus []

Подрод Pinus включает сосны желтые и твердые. Сосны этого подрода имеют от одной до пяти игл на пучок и два фиброваскулярных пучка на иглу, а оболочки пучков устойчивы, за исключением P. leiophylla и P. lumholtzii . Шишки шишки толще и жестче, чем у подрода Strobus , и шишки либо открываются вскоре после созревания, либо имеют серотиновый характер. [5]

Раздел Pinus []

Секция Pinus имеет две или три иглы на пучок. Шишки всех видов имеют толстые чешуйки, и все, кроме шишек P. pinea , открываются при созревании. Виды в этом разделе являются аборигенными для Европы, Азии и Мерриана, за исключением P. Resinosa на северо-востоке Северной Америки и P. tropicalis на западе Кубы. [5]

Подраздел Pinus []

Все виды, кроме двух в подразделе Pinus , являются аборигенами Евразии. [5]

Подраздел Pinaster []

Подраздел Pinaster содержит виды, обитающие в Мерриане, а также P. roxburghii из Гималаев. На чешуе его шишек нет шипов. [4] Назван в честь P. pinaster .

Раздел Trifoliae []

Раздел Trifoliae (американские твердые сосны), несмотря на свое название (что означает «трехлистный»), имеет от двух до пяти игл на пучок, а в редких случаях - восемь.Шишки у большинства видов открываются при созревании, но некоторые из них серотиновые. К этой секции принадлежат все сосны, кроме двух, твердые американские. [5]

Подраздел Australes []

Subsection Australes родом из Северной и Центральной Америки и островов Карибского моря. [4] [7] [8]

Закрытый (серотиновый) вид Калифорнии и Нижней Калифорнии, P. attuata , P.muricata и P. radiata , иногда выделяют в отдельный подраздел, Attenuatae . [9]

Подраздел Contortae []

Подраздел Contortae произрастает в Северной Америке и Мексике. [4]

Подраздел Ponderosae []

Подраздел Ponderosae произрастает в Центральной Америке, Мексике, западе США и юго-западе Канады. [4] [11]

Подрод Strobus []

Подрод Strobus включает белые и мягкие сосны. Сосны этого подрода имеют от одной до пяти игл на пучок и один фиброваскулярный пучок на иглу, а влагалища пучков листопадные, за исключением P. nelsonii , где они устойчивы. Шишки шишек тоньше и гибче, чем у подрода Pinus , за исключением некоторых видов, таких как P. maximartinezii , и шишки обычно открываются вскоре после созревания. [5]

Раздел Parrya []

Секция Parrya имеет от одной до пяти игл на пучок. Семена либо имеют сочлененные (сочлененные) крылья, либо вообще не имеют крыльев. У всех видов, кроме P. nelsonii , ножны пучка загибаются назад, образуя розетку, прежде чем отпадать. Шишки имеют толстые чешуйки и выпускают семена по мере созревания. Этот раздел произрастает на юго-западе США и в Мексике. [5]

Подраздел Balfourianae []

Подраздел Balfourianae (сосны щетинистые) произрастает на юго-западе США.

Подраздел Cembroides []

Подраздел Семброидес (пиньоны или пиньоны) произрастает в Мексике и на юго-западе США.

Подраздел Nelsonianae []

Subsection Nelsonianae произрастает на северо-востоке Мексики. Он состоит из единичных видов с устойчивыми влагалищами пучков.

Раздел Quinquefoliae []

Раздел Quinquefoliae (белые сосны), как следует из названия (что означает «пятилистный»), имеет пять игл на пучок, за исключением P.krempfii , у которого их два, и P. gerardiana и P. bungeana , у которых их три. У всех видов есть шишки с тонкой или толстой чешуей, которые открываются при созревании или не раскрываются совсем; ни один из них не серотиновый. Виды в этом разделе встречаются в Евразии и Северной Америке, а один вид, P. chiapensis , достигает Гватемалы. [12] [13]

Подраздел Gerardianae []

Подраздел Gerardianae родом из Восточной Азии.У него три или пять игл на пучок.

Подраздел Krempfianae []

Подраздел Krempfianae родом из Вьетнама. У него две иглы на пучок, и они атипично сплющены. Шишки толстые, без колючек.

Подраздел Strobus []

Подраздел Strobus имеет пять игл на пучок и тонкие конические чешуйки без колючек. Иглы, как правило, гибкие и мягкие с более легкой стороной под ними. «Сосна белая восточная (Pinus strobus)». Министерство природных ресурсов Миннесоты . Сент-Пол, Миннесота.

Библиография []

  • Gernandt, D. S .; López, G. G .; García, S.O .; Листон, А. (2005). «Филогения и классификация Pinus ». Таксон . 54 (1): 29–42. DOI: 10.2307 / 25065300. JSTOR 25065300.
  • McKown, A.D .; Stockey, R.A .; Швегер, C.E. (2002). «Новый вид Pinus Subgenus Pinus Subsection Contortae из плиоценовых отложений обрыва Ч'иджи, территория Юкон, Канада» (PDF). Международный журнал наук о растениях . 163 (4): 687–697. DOI: 10.1086 / 340425. Архивировано из оригинального (PDF) 21 февраля 2008 года. Проверено 16 мая 2011.
  • Stockey, R.S. (1983). « Pinus driftwoodensis sp.n. из раннего третичного периода Британской Колумбии». Ботанический вестник . 144 (1): 148–156. DOI: 10.1086 / 337355. JSTOR 2474678.
  • Зеб, Умар; Донг, Ван-Линь; Чжан, Тин-Тин; Ван, Руо-Нан; Шахзад, Хуррам; Ма, Сюн-Фэн; Ли, Чжун-Ху (25 марта 2019 г.).«Сравнительная пластидная геномика видов Pinus: понимание вариаций последовательностей и филогенетических отношений». Journal of Systematics and Evolution (опубликовано в марте 2020 г.). 58 (2). DOI: 10.1111 / jse.12492. ISSN 1759-6831.

Внешние ссылки []

Викискладе есть медиафайлы, связанные с
Pinus
.
.

«Я хочу изучать искусственный интеллект и машинное обучение. С чего начать? »| Даниэль Бурк

Я работал в Apple Store и хотел перемен. Чтобы начать создавать технологию, которую я обслуживал.

Я начал изучать машинное обучение (ML) и искусственный интеллект (AI).

Так много всего происходит. Перебор.

Каждую неделю кажется, что Google или Facebook выпускают новый вид ИИ, чтобы ускорить работу или улучшить наш опыт.

И не обращайте внимания на количество компаний, занимающихся беспилотными автомобилями.Хотя это и хорошо. Я не любитель водить машину, а дороги опасны.

Даже несмотря на то, что все это происходит, до сих пор не существует согласованного определения того, что такое искусственный интеллект.

Некоторые утверждают, что глубокое обучение можно считать ИИ, другие скажут, что это не ИИ, если оно не пройдет тест Тьюринга.

Эта нечеткость вначале сильно замедлила мой прогресс. Трудно было выучить что-то, что имеет так много разных определений.

Довольно определений.

Мы с друзьями создавали веб-стартап. Это не удалось. Мы сдались из-за отсутствия смысла. Но по ходу дела я все больше и больше слышал о машинном обучении и искусственном интеллекте.

«Компьютер учится за вас?» Я не мог поверить в это.

Я наткнулся на программу Deep Learning Nanodegree от Udacity. Веселый персонаж по имени Сирадж Раваль был в одном из промо-роликов. Его энергия была заразительна. Несмотря на то, что я не отвечал основным требованиям (я никогда раньше не писал ни строчки на Python), я подписался.

За 3 недели до даты начала курса я написал в службу поддержки Udacity по электронной почте, спрашивая, какова политика возврата. Я боялся, что не смогу пройти курс.

Мне не вернули деньги. Я прошел курс в установленные сроки. Это было сложно. Иногда действительно сложно. Мои первые два проекта были сданы с опозданием на четыре дня. Но волнение от участия в одной из самых важных технологий в мире двигало меня вперед.

Завершив курс Deep Learning Nanodegree, я гарантированно принял участие в программе Udacity AI Nanodegree, Self-Driving Car Nanodegree или Robotics Nanodegree.Все отличные варианты.

Я снова потерялся.

Классика. «Куда мне идти дальше?»

Мне нужна была учебная программа. Я заложил фундамент с помощью Deep Learning Nanodegree, теперь пришло время выяснить, что будет дальше.

Я не планировал в ближайшее время возвращаться в университет. В любом случае у меня не было 100000 долларов на получение степени магистра.

Итак, я сделал то, что делал вначале. Обратился за помощью к моему наставнику, Google.

Я начал глубокое обучение без каких-либо предварительных знаний в этой области.Вместо того, чтобы подняться на вершину айсберга искусственного интеллекта, вертолет высадил меня на вершине.

Изучив несколько курсов, я составил список из них, которые больше всего интересовали меня в Trello.

Trello - мой личный помощник / координатор курса.

Я знал, что онлайн-курсы часто бросают. Я не собирался позволять себе быть частью этого числа. У меня была миссия.

Чтобы взять на себя ответственность, я начал делиться своим опытом обучения онлайн. Я решил, что могу попрактиковаться в передаче того, что узнал, а также найти других людей, которым интересны те же вещи, что и я.Мои друзья все еще думают, что я пришелец, когда я отправляюсь в одну из своих авантюр с искусственным интеллектом.

Я сделал доску Trello общедоступной и написал в блоге сообщение о своих усилиях.

Учебная программа немного изменилась с тех пор, как я ее впервые написал, но она по-прежнему актуальна. Я посещал доску Trello несколько раз в неделю, чтобы отслеживать свои успехи.

Я австралиец. И все волнения, казалось, происходили в США.

Итак, я поступил наиболее логично и купил билет в один конец. Я проучился год и решил, что пора начать применять свои навыки на практике.

Мой план состоял в том, чтобы попасть в США и получить работу.

Затем Эшли написала мне в LinkedIn: «Привет, я видела твои публикации, и они действительно классные, я думаю, тебе стоит познакомиться с Майком».

Я встретил Майка.

Я рассказал ему свою историю онлайн-обучения, как мне нравятся медицинские технологии и мои планы поехать в США.

«Возможно, тебе лучше остаться здесь на год или около того и посмотреть, что ты найдешь, я думаю, тебе бы хотелось познакомиться с Кэмерон».

Я встретил Кэмерон.

У нас был такой же разговор, о котором мы говорили с Майком.Здоровье, технологии, онлайн-обучение, США.

«Мы работаем над некоторыми проблемами со здоровьем, почему бы вам не прийти в четверг?»

Пришел четверг. Я нервничал. Но однажды кто-то сказал мне, что нервничать - это то же самое, что быть возбужденным. Я был взволнован.

Я провел день, встречаясь с командой Макса Кельзена и проблемами, над которыми они работали.

Два четверга спустя Ник, генеральный директор Athon, ведущий инженер по машинному обучению, и я пошли выпить кофе.

«Хотели бы вы присоединиться к команде?» - спросил Ник.

«Конечно», - сказал я.

Мой рейс в США был перенесен на пару месяцев, и я купил обратный билет.

Изучая онлайн, я знал, что это необычно. Все должности, на которые я претендовал, имели степень магистра или, по крайней мере, какую-то техническую степень.

У меня не было ни того, ни другого. Но у меня были навыки, которые я получил на множестве онлайн-курсов.

По пути я делилась своей работой в Интернете. Мой GitHub содержал все проекты, над которыми я работал, мой LinkedIn был разложен, и я практиковался в передаче того, что я узнал, через YouTube и статьи на Medium.

Я никогда не сдавал резюме Максу Кельсену. «Мы видели ваш профиль в LinkedIn».

Моей основной работой было резюме.

Независимо от того, учитесь ли вы онлайн или получаете степень магистра, портфолио того, над чем вы работали, - отличный способ создать скин в игре.

Навыки машинного обучения и искусственного интеллекта пользуются спросом, но это не значит, что вам не нужно их демонстрировать. Даже самый лучший продукт не будет продаваться без места на полке.

Будь то GitHub, Kaggle, LinkedIn или блог, всегда есть место, где люди смогут вас найти.Кроме того, иметь собственный уголок в Интернете - это очень весело.

Куда вы идете, чтобы научиться этим навыкам? Какие курсы самые лучшие?

Нет лучшего ответа. У каждого будет свой путь. Некоторые люди лучше учатся с помощью книг, другие - с помощью видео.

Что важнее, чем то, как вы начали, так это то, почему вы начинаете.

Начнем с того, почему.

Почему вы хотите получить эти навыки?

Хотите зарабатывать деньги?

Хотите строить вещи?

Хотите что-то изменить?

Нет правильной причины.Все действительны по-своему.

Начните с вопроса «почему», потому что «почему» важнее, чем «как». Иметь «почему» означает, что когда становится трудно, а становится трудно, у вас есть к чему обратиться. Что-то, чтобы напомнить вам, почему вы начали.

Понял почему? Хорошо. Время для некоторых сложных навыков.

Могу порекомендовать только то, что пробовал.

Я прошел курсы (по порядку):

  • Treehouse - Introduction to Python
  • DataCamp - Introduction to Python & Python for Data Science Track
  • Udacity - Deep Learning & AI Nanodegree
  • Coursera - Deep Learning by Эндрю Нг
  • быстро.ai - Часть 1, скоро будет Часть 2

Они все мирового класса. Я визуально обучаюсь. Я лучше учусь видеть, что делается. Все эти курсы так и делают.

Если вы абсолютный новичок, начните с некоторых вводных курсов Python, а когда почувствуете себя немного увереннее, переходите к науке о данных, машинному обучению и искусственному интеллекту. DataCamp отлично подходит для начинающих, изучающих Python, но желающих изучить его с упором на науку о данных и машинное обучение.

Самый высокий уровень математического образования у меня был в средней школе.Остальное я узнал через Khan Academy, так как мне это было нужно.

Существует множество различных мнений о том, сколько математики вам нужно знать, чтобы заняться машинным обучением и искусственным интеллектом. Я поделюсь своим.

Если вы хотите применить методы машинного обучения и искусственного интеллекта к решению проблемы, вам не обязательно иметь глубокое понимание математики, чтобы получить хороший результат. Такие библиотеки, как TensorFlow и PyTorch, позволяют кому-то с небольшим опытом работы с Python создавать современные модели, в то время как математика выполняется за кулисами.

Если вы хотите углубиться в исследования в области машинного обучения и искусственного интеллекта с помощью программы PhD или чего-то подобного, глубокие знания математики имеют первостепенное значение.

В моем случае я не хочу углубляться в математику и улучшать производительность алгоритма на 10%. Я предоставлю это людям умнее меня.

Вместо этого я более чем счастлив использовать доступные библиотеки и манипулировать ими, чтобы решать проблемы так, как я считаю нужным.

То, что делает на практике инженер-машиностроитель, может быть не тем, что вы думаете.

Несмотря на обложки многих статей в Интернете, это не всегда связано с работой с роботами с красными глазами.

Вот несколько вопросов, которые инженер по машинному обучению должен задавать себе ежедневно.

  • Контекст - Как можно использовать машинное обучение, чтобы узнать больше о вашей проблеме?
  • Данные - Вам нужно больше данных? В какой форме это должно быть? Что делать, если данные отсутствуют?
  • Моделирование - Какую модель вам следует использовать? Это слишком хорошо работает с данными (переоснащение)? Или почему не очень хорошо работает (не подходит)?
  • Производство - Как вы можете запустить свою модель в производство? Это должна быть онлайн-модель или она должна обновляться через определенные промежутки времени?
  • Постоянно - Что произойдет, если ваша модель сломается? Как улучшить его, добавив больше данных? Есть ли способ лучше?

Я позаимствовал их из замечательной статьи Рэйчел Томас, одной из соучредителей Fast.аи, она углубляется в полный текст.

Для подробностей я снял видео о том, чем мы обычно занимаемся в понедельник в Max Kelsen.

Нет правильного или неправильного способа попасть в ML или AI (или что-то еще).

Самое прекрасное в этой области состоит в том, что у нас есть доступ к одним из лучших технологий в мире, все, что нам нужно сделать, это научиться их использовать.

Вы можете начать с изучения кода Python (мой любимый).

Вы можете начать с изучения математического анализа и статистики.

Вы можете начать с изучения философии принятия решений.

Машинное обучение и искусственный интеллект восхищают меня, потому что они пересекаются на стыке всего этого.

Чем больше я узнаю об этом, тем больше понимаю, что мне еще есть чему поучиться. И это меня возбуждает.

Иногда я расстраиваюсь, когда мой код не запускается. Или я не понимаю концепции. Поэтому я временно сдаюсь. Я сдаюсь, позволяя себе уйти от проблемы и вздремнуть. Или пойти прогуляться.Когда я возвращаюсь, мне кажется, что я смотрю на это другими глазами. Волнение возвращается. Я продолжаю учиться. Говорю я себе. Я обучающаяся машина.

В этой области происходит столько всего, что может быть сложно начать работу. Слишком много вариантов приводит к отсутствию вариантов. Игнорируйте это.

Начинайте с того, что вас больше всего интересует, и следите за этим. Если это приведет к тупику, отлично, вы поняли, что вам неинтересно. Вернитесь назад и вместо этого сверните на другую развилку дороги.

Компьютеры умны, но они все еще не могут учиться самостоятельно.Им нужна твоя помощь.

.

Как научиться глубокому обучению за 6 месяцев | by Bargava

Вполне возможно научиться, следить и вносить свой вклад в современные разработки в области глубокого обучения примерно за 6 месяцев. В этой статье подробно описаны шаги для этого.

Предварительные условия

- Вы готовы тратить 10–20 часов в неделю в течение следующих 6 месяцев
- У вас есть навыки программирования. Вам должно быть удобно изучать Python по пути. И облако. (Предполагается, что фон в Python и облаке отсутствует)
- Некоторое математическое образование в прошлом (алгебра, геометрия и т.д.).
- Доступ в Интернет и компьютер.

Step 1

Мы учимся управлять автомобилем - на вождении. Не изучая, как работает сцепление и двигатель внутреннего сгорания. По крайней мере, не изначально. При изучении глубокого обучения мы будем следовать тому же подходу сверху вниз.

Пройдите курс fast.ai - Практическое глубокое обучение для кодеров - Часть 1. Это займет около 4–6 недель. В этом курсе есть сеанс по запуску кода в облаке.Google Colaboratory имеет бесплатный доступ к графическому процессору. Начни с этого. Другие варианты включают Paperspace, AWS, GCP, Crestle и Floydhub. Все это здорово. Не начинайте строить собственную машину. По крайней мере, еще нет.

Step 2

Пришло время узнать некоторые основы. Узнайте об исчислении и линейной алгебре.

Что касается исчисления, Big Picture of Calculus дает хороший обзор.

Что касается линейной алгебры, то курс Gilbert Strang's MIT по OpenCourseWare просто великолепен.

После того, как вы закончите два вышеупомянутых, прочтите Матричное исчисление для глубокого обучения.

Step 3

Пришло время понять восходящий подход к глубокому обучению. Пройдите все 5 курсов по глубинному обучению на Coursera. Вы должны заплатить, чтобы получить оценку за задания. Но усилия того стоят. В идеале, учитывая имеющийся у вас опыт, вы должны иметь возможность проходить один курс каждую неделю.

Шаг 4

«Вся работа и никакие развлечения делают Джека скучным мальчиком»

Сделайте завершающий проект.Это время, когда вы углубляетесь в библиотеку глубокого обучения (например, Tensorflow, PyTorch, MXNet) и реализуете архитектуру с нуля для решения проблемы, которая вам нравится.

Первые три шага - это понимание того, как и где использовать глубокое обучение, и получение прочной основы. Этот шаг предназначен для реализации проекта с нуля и создания прочной основы для инструментов.

Step 5

А теперь приступайте к курсу Fast.ai, часть II - передовое глубокое обучение для кодеров.Это охватывает более сложные темы, и вы научитесь читать последние исследования и разбираться в них.

Каждый этап занимает около 4–6 недель. И примерно через 26 недель с того момента, как вы начали, и если вы неукоснительно следовали всему вышеперечисленному, у вас будет прочный фундамент в глубоком обучении.

Куда идти дальше?

Пройдите курсы CS231n и CS224d Стэнфордского университета. Эти два великолепных курса с большой глубиной зрения и НЛП соответственно.Они охватывают последние достижения в области искусства. И прочтите книгу по глубокому обучению. Это укрепит ваше понимание.

Удачного глубокого обучения. Создавайте каждый божий день.

.

Смотрите также