# Эндрю Ын: «Искусственный интеллект — это новое электричество»

Источник: https://www.youtube.com/watch?v=CS4cs9xVecg
Канал: DeepLearning.AI
Опубликовано: 25.08.2017

---

Основатель платформы DeepLearning.AI и известный ученый Эндрю Ын (Andrew Ng) представил свою специализированную программу Deep Learning Specialization на платформе Coursera, направленную на комплексное освоение технологий глубокого обучения. В стартовом видеокурсе автор анализирует масштабное влияние искусственного интеллекта на современные бизнес-процессы и повседневную жизнь. Программа призвана дать студентам практические инструменты для внедрения нейросетей в самые разные прикладные сферы — от медицины до беспилотного транспорта.

    ## ⚡ Искусственный интеллект как новое электричество
    [[JUMP:0:00]]

    Технологии глубокого обучения уже кардинально изменили традиционные интернет-ресурсы, включая веб-поиск и интернет-рекламу. Однако, по словам Эндрю Ына (Andrew Ng), сегодня ИИ открывает возможности для создания совершенно новых продуктов и бизнес-моделей. Технология демонстрирует высокую эффективность в анализе рентгеновских снимков в здравоохранении, персонализации образовательного процесса, точном земледелии и управлении беспилотными автомобилями.

    Эндрю Ын (Andrew Ng) высказывает мнение, что в ближайшее decade человечество получит уникальную возможность построить новый мир, функционирующий на базе искусственного интеллекта. Он проводит историческую аналогию, называя ИИ «новым электричеством». Сто лет назад электрификация трансформировала каждую крупную отрасль — от транспорта и производства до медицины. Сегодня, как утверждает исследователь, наблюдается аналогичный паттерн: глубокое обучение становится ключевым драйвером глобальных технологических изменений и одним из самых востребованных навыков в ИТ-индустрии.

    ## 🎓 Обзор специализации: от основ к практической магии
    [[JUMP:1:30]]

    ### Структура программы обучения
    Для освоения дефицитных компетенций команда DeepLearning.AI разработала серию взаимосвязанных курсов на Coursera. Вся программа разбита на логические этапы, каждый из которых занимает от двух до четырех недель.

    ### Курс 1: Основы нейронных сетей
    Первый курс рассчитан на четыре недели работы. В рамках этой ступени студенты изучают базовую теорию и учатся строить глубокие нейронные сети, а также тренировать их на реальных данных. В качестве практического итога учащиеся создадут собственный алгоритм для распознавания кошек на фотографиях, что, по замечанию автора, является данью укоренившейся в сообществе ИИ традиции интернет-мемов.

    ### Курс 2: Практические аспекты глубокого обучения
    Второй курс специализации длится три недели и посвящен тонкой настройке моделей. Студенты узнают, как заставить созданную нейросеть работать эффективно. Программа охватывает следующие темы:

    * Настройка гиперпараметров и регуляризация моделей.
    * Диагностика смещения (bias) и дисперсии (variance).
    * Продвинутые алгоритмы оптимизации, такие как Momentum, RMSprop и Adam.

    По мнению Эндрю Ына (Andrew Ng), процесс создания нейросетей часто со стороны напоминает «черную магию» из-за обилия скрытых настроек, и цель этого курса — полностью демистифицировать данный процесс.

    ## 🛠️ Стратегия ML-проектов и сложные архитектуры нейросетей
    [[JUMP:3:01]]

    ### Курс 3: Структурирование проектов машинного обучения
    Третий этап обучения предлагает уникальный контент, основанный на практическом опыте автора по выводу ИИ-продуктов на рынок. Эндрю Ын (Andrew Ng) подчеркивает, что с приходом глубокого обучения стратегии построения систем машинного обучения кардинально изменились. В рамках курса рассматриваются новые лучшие практики:

    * Особенности разделения данных на обучающую, валидационную и тестовую выборки.
    * Методы работы в ситуациях, когда обучающий и тестовый наборы данных получены из разных распределений.
    * Концепция сквозного глубокого обучения (end-to-end deep learning), включая анализ кейсов, когда её стоит и не стоит применять.

    Автор отмечает, что данные уроки основаны на его личном «горьком опыте» и практически не преподаются в классических университетах, хотя критически важны для стабильной работы коммерческих систем.

    ### Курсы 4 и 5: Специализированные модели
    Заключительные этапы специализации переводят студентов к работе со специфическими типами данных:

    1.  **Четвертый курс** полностью сфокусирован на сверточных нейронных сетях (CNN), которые традиционно применяются для задач компьютерного зрения и обработки изображений.
    2.  **Пятый курс** посвящен моделям последовательностей (Sequence Models) и их интеграции в задачи обработки естественного языка (NLP).

    В рамках пятого курса студенты освоят рекуррентные нейронные сети (RNN) и архитектуру долгой краткосрочной памяти (LSTM). Пройдя этот блок, они поймут, как применять данные модели к текстовым массивам, системам распознавания речи и алгоритмам автоматической генерации музыки. По завершении всей специализации выпускники смогут уверенно внести навыки глубокого обучения в свои резюме.