YerevaNN-ը գործարկել է խորը ուսուցման ուղեցույց

default-43Արհեստական ինտելեկտ) եւ մեքենայական ուսուցման հարցերով զբաղվող գիտակրթական հիմնադրամը գործարկել է խորը ուսուցման (deep learning) ուղեցույց: Այս մասին NEWS.am–ի թղթակցին տեղեկացրել է հիմնադրամի հիմնադիր Հրանտ Խաչատրյանը:

«Ուղեցույցը ստեղծելու գաղափարն առաջացավ երկու պատճառով. առաջինը, բազմաթիվ ուսանողների ու ծրագրավորողների կողմից  պարբերաբար տրվող հարցերն էին, թե ինչպես կարելի է սովորել մեքենայական ուսուցում, ի՞նչից սկսել, ի՞նչ հերթականությամբ եւ այլն: Կրկնվող հարցերից եւ պատասխաններից խուսափելու համար՝ որոշեցինք դրանք ի մի բերել մեկ ուղեցույցում: Երկրորդ պատճառն այն էր, որ համացանցում կան բազմաթիվ հետաքրքիր նյութեր, որոնք կարդում եւ գնահատում ենք, բայց որոշ ժամանակ անց չենք հիշում, թե որտեղ ենք դա տեսել: Այս ուղեցույցում որոշեցինք նաեւ այդ բնույթի նյութերը հավաքել՝ ամեն թեմայի վերաբերյալ մի քանի կայք, որտեղ «ոչ ստանդարտ» ձեւով ներկայացվում կամ վիզուալիզացվում են բարդ գաղափարները»,- ասել է YerevaNN-ի հիմնադիրը:

 Հրանտ Խաչատրյանի խոսքով՝ նրանք, ովքեր ոչ ակադեմիական ճանապարհով են սովորել մեքենայական ուսուցում, ինչ որ պահի անպայման փնտրել են այսպիսի մի ուղեցույց: «Համացանցում բազմաթիվ նյութեր կան, ու սկզբնական փուլերում շատ դժվար է կողմնորոշվել, թե որ աղբյուրը որ թեմաներն է ծածկում, ինչքանով են տարբեր դասընթացներ միմյանց կրկնում եւ այլն: Հուսով ենք, որ մոտ ապագայում բոլոր հետաքրքրվողները հեշտությամբ կգտնեն այս ուղեցույցը՝ պարզապես Google-ով փնտրելով» հավելել է Հրանտ Խաչատրյանը:

Ուղեցույցում ընդգրկած է մեքենայական ուսուցման միայն մի ճյուղը, որը հայտնի է «խորը ուսուցում» (deep learning) անվամբ: Այստեղ YerevaNN-ի թիմը փորձել է ծածկել դրա գրեթե բոլոր ենթաճյուղերը, մի խոշոր բացառությամբ՝ deep reinforcement learning (այս ճյուղը վերջին շրջանում հայտնի է դարձել նրանով, որ սրա մեթոդներով հնարավոր դարձավ ծրագրերին սովորեցնել խաղալ տարբեր խաղեր՝ համակարգչային պարզ խաղերից մինչեւ չինական «Գո» խաղը):

YerevaNN-ի հիմնադիրը ընդծել է, որ ուղեցույցը նախատեսված է բոլոր նրանց համար, ովքեր տիրապետում են որեւէ ծրագրավորման լեզվի եւ համալսարանական մաթեմատիկային՝ գծային հանրահաշիվ, հավանականության տեսություն, մաթեմատիկական անալիզ: Ուղեցույցում ընդգրկված են մի քանի հղումներ, որոնք կօգնեն վերհիշել այս թեմաները:

Հարցին, թե ինչպես են պատրաստվում զարգացնել նախագիծը՝ Հրանտ Խաչատրյանը ասել է. « Փորձելու ենք թարմ պահել ուղեցույցը, ավելացնել նոր որակյալ ռեսուրսների հղումներ, որոնք կօգնեն բոլոր հետաքրքրվածներին խորությամբ ուսումնասիրել deep learning-ը»:

Ձեզ կարող է դուր գալ նաև

Մեկնաբանել

Ваш e-mail не будет опубликован. Обязательные поля помечены *