person:andrew ng

Building a Neural Network Only Using NumPy
▻https://hackernoon.com/building-a-neural-network-only-using-numpy-7ba75da60ec0?source=rss----3a

https://cdn-images-1.medium.com/max/500/1*nmRcf8tgT0BsPtCHQQjSxQ.gif

Using Andrew Ng’s Project Structure to Build a Neural Net in PythonIntroductionAfter having completed the deeplearning.ai Deep Learning specialization taught by Andrew Ng, I have decided to work through some of the assignments of the specialization and try to figure out the code myself without only filling in certain parts of it. Doing so, I want to deepen my understanding of neural networks and help others gain intuition by documenting my progress in articles. The complete notebook is available here.In this article, I’m going to build a neural network in #python only using NumPy based on the project structure proposed in the deeplearning.ai Deep Learning specialization:Define the structure of the neural network2. Initialize the parameters of the neural network defined in step one3. Loop (...)

#deep-learning #machine-learning #artificial-intelligence #data-science

ML Experiment & Epic Failure
▻https://hackernoon.com/ml-experiment-epic-failure-fe0940f0bb51?source=rss----3a8144eabfe3---4

https://cdn-images-1.medium.com/max/300/0*931VXTMBG18pmw_G.png

I always love to write about my failed experiments so that people who experiment a lot will know that they are not alone. This blog is one of those ML experiments that show how not to do certain things.From the moment ML gained its hype, many of us jumped in and started learning it. Traversing from Andrew Ng to Siraj Raval, linear algebra to deep learning and neural nets, I have seen it all, but it didn’t get me anywhere. I haven’t hit my eureka moment even after going through series of tutorials and folders full of ML projects.For you to hit the magic moment of where it all makes sense to you, you have to see it working the magic in front of you, which never really happened neither to the ML models I created nor to me.Stepping stones to MLGet the datasetPreprocess — Cleaning, fillNaN, (...)

#sklearn #deep-learning #python #ml-experiment #machine-learning

DeepLearning 101 : #coursera Vs #udemy Vs #udacity
▻https://hackernoon.com/deeplearning-101-coursera-vs-udemy-vs-udacity-b4eb3de06dbe?source=rss---

https://cdn-images-1.medium.com/max/1024/1*mfODqu4VSxKHX2MBfTf6ag.jpeg

The era of self-learningDeep Learning has taken the world by storm and the juggernaut has kept rolling since early 2017.As far as the core methodology goes, neural networks have been around since decades and convolutional neural networks and recurrent neural networks have been around since 15 odd years.What has changed suddenly you ask? GPUs and breakthroughs in automated systems like self driving cars. As Andrew Ng himself says, “I think the other reasons the term deep learning has taken off is just branding. These things are just neural networks with more hidden layers, but the phrase deep learning is just a great brand, it’s just so deep.”Developers all around the globe are heavily motivated seeing the innovation DL is driving in each and every sector. Every company is either pitching (...)

#machine-learning #deep-learning

Westworld

Excellente série.
Rien que le générique, déjà, que je regarde en entier à chaque fois.
L’histoire se dévoile petit à petit, à chaque fois sous un autre angle pour ainsi résoudre le puzzle, en commençant par les coins.

http://www.gstatic.com/tv/thumb/tvbanners/13108003/p13108003_b_v8_aa.jpg

▻http://venturebeat.com/2016/12/20/hbos-westworld-artificial-intelligence-then-and-now

Today, Ray Kurzweil, Jen-Hsun Huang, Andrew Ng, Yann LeCun, Yoshua Bengio, and others are making bold predictions about AI’s potential, and corporations are moving fast to prepare for opportunities in image recognition, voice detection, and conversational intelligence. The current AI revolution stretches far beyond university and defense research into our everyday lives. It is driven by 6 different components that were nonexistent or under-resourced in the 1970s: research, compute power, storage costs, open source resources, talent, and investment capital.

#série #series
#Westworld
#AI #IA #machine_learning #deep_learning
#HBO

La salle de classe planétaire
►http://www.lemonde.fr/education/article/2012/08/09/la-salle-de-classe-planetaire_1742909_1473685.html

Lors d’une conférence au Google Education Summit, cette petite brune à l’énergie adolescente assiste à une présentation de YouTube sur l’éducation. Elle bouscule ses voisins, sort en trombe. Elle tient son idée : jusqu’alors, l’élève écoute la leçon en classe (temps passif) et réalise des recherches, des devoirs à l’extérieur (temps actif). Mais si la leçon est disponible en vidéo, l’élève peut la visionner avant le cours et utiliser la classe pour la partie active (brainstorming, questions, cas).

C’est le concept de « flip education », le renversement des tempos et la revalorisation du professeur. Elle n’est pas la première à y penser, elle propose une expérimentation. Le corps professoral dégaine une salve d’a priori : que deviendra l’expérience du face-à-face ? Ne transforme-t-on pas ainsi l’enseignement en marchandise ? Ne va-t-on pas marginaliser un peu plus les Humanités ?

Au même moment, à l’automne 2011, son collègue Andrew Ng met en ligne de façon gratuite un cursus entier (10 semaines) de Stanford sur l’intelligence artificielle. Un tour de force : 400 élèves dans l’amphithéâtre, 100 000 personnes en ligne. 14 000 élèves obtiennent le certificat officiel diplômant. Daphne et Andrew unissent leurs forces. « Les professeurs n’ont pas toujours envie de s’adapter, surtout qu’en général, ils sont bien notés. En revanche, si vous leur dites qu’avec le même cours, ils ne vont pas toucher 40, mais 100 000 personnes d’un coup, alors là, ils vous écoutent ! On reçoit des courriels d’étudiants qui, grâce à ces cours, ont pu trouver du travail partout dans le monde, alors qu’ils n’avaient pas accès à la fac. Vous changez la vie en permettant d’apprendre. Un professeur, au fond, c’est fait pour cela. »

#éducation