-
Как использовать нейронную сеть для классификации изображений
В комментариях к курсу по программированию глубоких нейронных сетей на Python мне чаще всего задают вопрос о том, как использовать обученую сеть для анализа своих изображений. Давайте рассмотрим это на примере набора данных MNIST. Вы написали цифру на бумаге, отсканировали (или сфотографировали), сохранили в размере 28х28 и вас получилось что-нибудь такое:
Спасибо Роману Толмаеву за пример картинок и кода.
Давайте рассмотрим, как с помощью Keras распознать цифру на картинке.
-
Как сохранить обученную нейронную сеть в Keras
Вы уже наверняка заметили, что обучение нейронной сети - очень долгий процесс, который может занимать несколько часов, дней или даже месяцев. Поэтому желательно иметь возможность использовать сеть для анализа данных, не обучая ее каждый раз. В этой статье я расскажу о том, как в Keras сохранять обученную сеть для последующего использования.
-
Экзамены в модели Problem-Based Learning
Продолжаю разбираться с моделью Problem-Based Learning. Недавно поговорил с Lene Sørensen из Университета Ольборга о том, как правильно проводить экзамен в модели Problem-Based Learning. Оказалось, что в эксперименте с курсом по параллельным вычислениям я провел экзамен неправильно :-(.
-
Как быстро выучить Python для анализа данных
В отзывах на курс “Программирование глубоких нейронных сетей на Python” некоторые пишут, что курс хороший, но они не знают Python. На самом деле Python очень простой язык, его вполне можно выучить самостоятельно. Кроме того, сейчас Python становится наиболее популярным языком для анализа данных. Поэтому очень желательно его выучить, если вы хотите анализировать данные.
В этой статье я расскажу о четырех ресурсах, с помощью которых можно быстро изучить Python для целей анализа данных. Все ресурсы отличает практический подход: короткие и понятные теоретические лекции и много практических заданий.
-
Установка Keras в Anaconda
Обновление от 10.11.2017: Все примеры курса “Программирование глубоких нейронных сетей на Python” переведены на TensorFlow в качестве бэкенда для Keras. Инструкция по установке Keras с TensorFlow.
Для выполнения практических заданий по курсу “Программирование глубоких нейронных сетей на Python” необходимо установить библиотеку Keras, а также один из вычислительных бекендов для этой библиотеки - Theano или TensorFlow. Самый простой способ это сделать - установить диструбутив Python Anaconda и после этого установить все необходимые пакеты с помощью conda.
-
Первый опыт продвижения онлайн курса на Хабре
Для развития онлайн курса по компьютерным сетям я поставил себе цель набрать 10 тысяч подписчиков на канале YouTube до конца этого года. Количество подписчиков росло не такими быстрыми темпами, как бы мне хотелось, и я решил заняться продвижением курса. Первое, что сделал - написал статью о курсе на Хабре. Рассказываю, что из этого получилось.
-
Суперкомпьютерная выставка на НСКФ 2016
На пятом национальном суперкомпьютерном форуме в Переславле-Залесском, в дополнение к конференции проходит суперкомпьютерная выставка. Приятно, что есть оборудование российских произодителей.
Адаптер высокоскоростной сети Ангара, использующей архитектуру тор.
-
II форум академического фандрайзинга в УрФУ
Фандрайзингом я заинтересовался всерьез после того, как Владимир Савельев собрал на Boomstarter 307 тысяч рублей на книгу “Статистика и котики”. Вскоре после этого оказалось, что в УрФУ 27-28 октября проходит Форум академического фандрайзинга, причем уже во второй раз. Я решил сходить и посмотреть, как сейчас обстоят дела с фандрайзингом в других университетах.
-
10 самых нужных команд vi
Этот текст я писал для solarisblog.ru уже достаточно давно. С тех пор я забросил этот блог, с Solaris не работаю, да и Solaris утратил популярность. Однако vi и vim я по-прежнему использую, но теперь в Linux. И описанные 10 команд по-прежнему остаются для меня самыми полезными.
Редактор vi считается очень сложным. Якобы, он требует много времени на изучение и знание большого количества команд, которые нужно вводить с клавиатуры.
На мой взгляд, vi – это очень простой редактор. Если не писать в нем стихи или программы, а использовать для целей администрирования, то нужно знать всего 10 команд. По крайне мере, наизусть я помню именно эти команды, и их мне вполне хватает для решения 99% задач администрирования Unix.
-
Межсетевые экраны
Текстовый вариант видеолекции на YouTube по межсетевым экранам.
Межсетевой экран - это устройство, которое отделяет разные компьютерные сети друг от друга. Другое название межсетевого экрана - брандмауэр или firewall.
Подпишитесь на RSS