Skip to main content

ABD Hava Kuvvetleri Komutanlığı Görüntü Analizinde Derin Öğrenme ve Doğal Dil İşleme Kullanımına Yönelik İhale Duyurusu Yaptı

ABD Hava Kuvvetleri, derin öğrenme alanındaki devrimsel nitelikteki başarıları gördükten sonra görüntü analizinde derin öğrenme ve doğal dil işleme kullanımına yönelik ihale duyurusunu yaptı. İhale duyurusunun detayı aşağıdaki adresde yer almaktadır.

https://www.fbo.gov/?s=opportunity&mode=form&id=fd107a8fbda12f4fc4ec55a713232436&tab=core&_cview=0

Özet olarak; “Approaches should consider applying and extending recent advances in deep learning, such as convolutional neural networks with localized object detection and classification, scene understanding/image captioning, text analytics using symbolic statistical inference, natural language processing for intermediate metadata tagging of text, context generation and semantics, and recommendation systems.”

Aslında ihalede istenenler özellikler Stanford Üniversitesi’nden Andrej Karpathy ve Li Fei-Fei  tarafından yazılan “Deep Visual-Semantic Alignments for Generating Image Descriptions” makalesinde detaylandırılmıştır.

Doğal Dil İşleme için Derin Öğrenme

Machine learning is everywhere in today’s NLP, but by and large machine learning amounts to numerical optimization of weights for human designed representations and features. The goal of deep learning is to explore how computers can take advantage of data to develop features and representations appropriate for complex interpretation tasks. This tutorial aims to cover the basic motivation, ideas, models and learning algorithms in deep learning for natural language processing. Recently, these methods have been shown to perform very well on various NLP tasks such as language modeling, POS tagging, named entity recognition, sentiment analysis and paraphrase detection, among others. The most attractive quality of these techniques is that they can perform well without any external hand-designed resources or time-intensive feature engineering. Despite these advantages, many researchers in NLP are not familiar with these methods. Our focus is on insight and understanding, using graphical illustrations and simple, intuitive derivations. The goal of the tutorial is to make the inner workings of these techniques transparent, intuitive and their results interpretable, rather than black boxes labeled “magic here”. The first part of the tutorial presents the basics of neural networks, neural word vectors, several simple models based on local windows and the math and algorithms of training via backpropagation. In this section applications include language modeling and POS tagging. In the second section we present recursive neural networks which can learn structured tree outputs as well as vector representations for phrases and sentences. We cover both equations as well as applications. We show how training can be achieved by a modified version of the backpropagation algorithm introduced before. These modifications allow the algorithm to work on tree structures. Applications include sentiment analysis and paraphrase detection. We also draw connections to recent work in semantic compositionality in vector spaces. The principle goal, again, is to make these methods appear intuitive and interpretable rather than mathematically confusing. By this point in the tutorial, the audience members should have a clear understanding of how to build a deep learning system for word-, sentence- and document-level tasks. The last part of the tutorial gives a general overview of the different applications of deep learning in NLP, including bag of words models. We will provide a discussion of NLP-oriented issues in modeling, interpretation, representational power, and optimization.

Birinci Bölüm

İkinci Bölüm:

Sunum Materyali:

Derin Öğrenme Dersleri

Derin öğrenme çok hızlı bir şekilde yapay zeka alanında büyüme kaydetmektedir. İnsana yakın doğrulukla resim sınıflandırma, ses tanıma, doğal dil işleme, duygu analizi, tavsiye motoru vb. alanlarda gittikçe kullanımı artmaktadır. Uygulama alanlarına yüz tanıma, sahne tanıma, ileri medikal ve farmasötik araştırma, otonom ve kendi kendine giden araçlar dahildir.

Ücretsiz Derin Öğrenme Dersi

NVIDIA, derin öğrenme konusunda online deslere başlıyor.  Bu giriş dersi interaktif ders anlatımı, uygulamalı alıştırmalar ve çalışma saatlerinde öğretim üyesi desteğini içerecek şekilde beş öğretim üyesi tarafından verilecektir.

Bu dersler ile tasarım ve eğitim için gerekli olan becerinin yanında sinir ağı destekli yapay zekayı geniş kapsamlı kullanılan açık kaynak kodlu yapılar ve NVIDIA yazılımı ile kendi uygulamalarınıza entegre etme imkanı bulacaksınız.

HEMEN KAYIT OL!

Bu bir giriş dersi olduğundan derin öğrenme veya GPU progralama tecrübesi gerekmemektedir.

Ders Planı

Tüm dersler Türkiye saatiyle 19.00’da başlayacak ve daha sonra izlenebilmesi için kaydedilecektir.


Gün/Ay Konu
22/07 Ders #1 – Derin Öğrenmeye Giriş (30 dakika + Soru&Cevap) – Video İndir / Youtube, Sunu, Hands-on lab
29/07 Ders #1 için Çalışma Saatleri (1 saatlik Soru&Cevap) – Video İndir / Youtube, Sunu, Soru&Cevap Kaydı
05/08 Ders #2 – DIGITS Başlangıç Rehberi – Resim sınıflandırma için interaktif eğitim sistemi (30 dakika + Soru&Cevap) – Video İndir / Youtube, SunuHands-on lab
12/08 Ders #2 için Çalışma Saatleri (1 saatlik Soru&Cevap) – Video İndir / Youtube, Soru&Cevap Kaydı
19/08 Ders #3 – Caffe Yapısına Başlangıç Rehberi – Video İndir / Stream, Slides, Hands-on Lab
26/08 Ders #3 için Çalışma Saatleri – Video İndir / Youtube, Soru&Cevap Kaydı
02/09 Ders #4 – Theano Yapısına Başlangıç RehberiVideo İndir / Youtube, SunuHands-on Lab
09/09 Ders #4 için Çalışma Saatleri – Video İndir / Youtube
16/09 Ders #5 – Torch Yapısına Başlangıç RehberiVideo İndir / Youtube, SunuHands-on Lab
23/09 Ders #5 için Çalışma Saatleri – Video İndir / Youtube

Çalışma Saatlari oturumundan önce sorularınızı dl-course@nvidia.com adresine gönderebilirsiniz. Böylece öğretim üyeleri oturumlardan önce sorularınıza yönelik faydalı cevaplar hazırlayabilir. Türkçe sorularınız için info@derinogrenme.com adresine e-posta gönderebilir veya iletişim sayfamızı kullanabilirsiniz.

Her derse yönelik hazırlanan uygulamalı alıştırmalara ders süresince nvidia.qwiklab.com adresinden ücretsiz erişilebilirsiniz.

Kaynak: https://developer.nvidia.com/deep-learning-courses

Yukarıdaki yazıda geçen konularla ilgili daha fazla bilgi için:

http://www.sentimentanalizi.com

http://www.verius.com.tr