JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Глава 13. Резюме, заключительные слова и дальнейшие источники информации
541
13.4.1.
Отрабатывайте навыки решения реальных задач 
на Kaggle
Эффективный способ получить реальный опыт машинного обучения (и особенно 
глубокого обучения) — попробовать свои силы в конкурсах Kaggle (
https://kaggle.com/
). 
По­настоящему разобраться в машинном обучении можно только посредством напи­
сания кода, создания моделей и их настройки. Это и есть главная идея данной книги, 
как видно из многочисленных примеров кода, только и ждущих изучения, доработки 
и использования в качестве основы для ваших программ. Но самый эффективный 
способ изучить МО — создавать свои собственные модели и системы машинного 
обучения с нуля с помощью библиотек наподобие TensorFlow.js. На сайте Kaggle 
можно найти постоянно обновляемый перечень конкурсов по обработке данных 
и наборов данных, многие из которых связаны с глубоким обучением.
И хотя большинство пользователей Kaggle применяют в конкурсах инструменты 
для языка Python (например, TensorFlow и Keras), большинство наборов данных 
на Kaggle от языка программирования не зависит. Поэтому вполне реально решать 
большинство задач Kaggle с помощью фреймворков глубокого обучения отличных 
от Python языков программирования, например TensorFlow.js. Поучаствовав в не­
скольких конкурсах, возможно, в составе команды разработчиков вы познакоми­
тесь с практической стороной описанных в этой книге рекомендуемых передовых 
практик, особенно подбора гиперпараметров и предотвращения переобучения на 
проверочном наборе данных.
13.4.2. Читайте о последних новинках на arXiv
Исследования в сфере глубокого обучения, в отличие от некоторых других научных 
областей, происходят практически полностью на виду. Статьи открываются для 
всеобщего (бесплатного) доступа сразу же после завершения и рецензирования, 
а огромное количество соответствующего программного обеспечения отличается от­
крытым исходным кодом. ArXiv (
https://arxiv.org/
) — произносится «а(р)хив» (X — это 
греческая буква «хи») — сервер препринтов со свободным доступом для научных 
статей по математике, физике и теории вычислительной техники. Он стал фактиче­
ски способом по умолчанию публикации передовых работ в области машинного об­
учения и глубокого обучения, а потому — способом по умолчанию для поддержания 
актуальности своих знаний в этой области. Благодаря этому данная сфера знаний 
развивается исключительно быстро: все новые открытия и изобретения открыты для 
всеобщего обозрения, критических замечаний и дальнейшего развития.
Существенный недостаток ArXiv — само количество публикуемых ежедневно 
новых статей, так что просмотреть их все невозможно. А поскольку многие из статей 
в ArXiv — нерецензированные, найти наиболее важные и качественные непросто. 
К счастью, были созданы инструменты для решения этой проблемы. Например, с по­
мощью веб­сайта ArXiv Sanity Preserver
1
(
arxiv-sanity.com
) — системы рекомендации 
1 
Буквально «хранитель душевного равновесия для ArXiv». — 
Примеч. пер.

---

542