أهم 7 مشاريع للتعلم العميق في جيثب يجب أن تجربها اليوم [2022]

بصفتك طالبًا يتعلم عميقًا ، فإن أحد أهم الأشياء التي يمكنك القيام بها هو مواكبة التطورات الحالية في مجالك. لمساعدتك في هذا الصدد ، قمنا بإعداد القائمة التالية لمشاريع التعلم العميق في Github حيث أن Github هو أفضل مكان للبدء.

حازت المشاريع التالية على أكبر عدد من النجوم وتلتزم بها على Github في وقت كتابة هذا المقال. ومع ذلك ، فإن بعض هذه المشاريع لم تكن في القمة ولكنها وثيقة الصلة للغاية بسبب قابليتها للتطبيق. هيا بنا نبدأ:

أهم مشاريع التعلم العميق في جيثب

1. كراس

في وقت كتابة هذا المقال ، كانت Keras على رأس مشروعات التعلم العميق في Github. لديها حوالي 49000 نجمة و 18.4 شوكة. Keras هي واجهة برمجة تطبيقات للتعلم العميق ، تعمل على قمة TensorFlow ، وهي منصة تعلم آلي شهيرة. تمت كتابة Keras بلغة Python وتساعدك في العمل على مشاريع التعلم العميق بسهولة كبيرة. يساعدك بشكل أساسي في إجراء البحث بسرعة ونشره بشكل أسرع.

نظرًا لأنه مبني على قمة TensorFlow ، فإنه يوفر لك مزايا تلك المنصة أيضًا. هذا يعني أنه يمكنك نشر طرازات Keras الخاصة بك من خلال أي جهاز مضمن. تتمتع بإمكانية وصول ممتازة ولديها إطار على مستوى الصناعة لتوسيع مجموعات كبيرة من وحدات معالجة الرسومات.

يعد التعرف على Keras أمرًا ضروريًا لأي طالب يتعلم عميقًا. تأكد من أنك على دراية بـ TensorFlow وتطبيقاته قبل أن تبدأ في التعرف على Keras لأنه بدون الأول ، سيكون من الصعب للغاية إتقان الأخير.

2. أكثر أوراق التعلم العميق استشهادا

يشارك مشروع Github هذا أكثر أوراق التعلم العميق التي تم الاستشهاد بها والتي تم نشرها بين عامي 2012 و 2016. ولا يحتوي على أي مقالات منشورة بعد عام 2016 لأن الباحثين والأكاديميين أصدروا العديد من المستندات منذ ذلك الحين ، وكان الأمر مربكًا جدًا لمنشئي المشروع .

على الرغم من أن أوراقها قد تبدو قديمة ، يجب أن تقرأها لأنها من بين "كلاسيكيات" أوراق التعلم العميق. تحتوي العديد من المقالات الموجودة في هذا المشروع على أكثر من 200 اقتباس. تحتوي بعض هذه الأوراق على أكثر من 800 اقتباس حتى تتمكن من فهم شعبيتها وقابليتها للتطبيق.

تغطي الأوراق الموجودة في هذه القائمة العديد من المجالات بما في ذلك الكلام و NLPs والشبكات العصبية المتكررة (RNNs) ونماذج الشبكات التلافيفية والروبوتات وغير ذلك الكثير.

3. الكافيين

Caffe هو إطار عمل مفتوح للتعلم العميق. إنه نتاج لبحوث بيركلي للذكاء الاصطناعي / مركز بيركلي للرؤية والتعلم. بينما أراد منشئو Caffe التركيز على رؤية الكمبيوتر ، فقد أصبحت مكتبة للأغراض العامة للتعلم العميق. لدى Caffe مجتمع مزدهر من الباحثين الأكاديميين بالإضافة إلى المستخدمين المحترفين بحيث يمكنك بسهولة العثور على المساعدة أثناء العمل معه.

إنه ممتاز لنشر الشبكات التلافيفية والعمل على الكلام والرؤية ومشاريع التعلم العميق الأخرى. يمكنها معالجة أكثر من 60 مليون صورة في اليوم ، لذا فهي بلا شك أداة مناسبة لمشاريع رؤية الكمبيوتر أيضًا.

4. دفاتر تعلم الآلة

يعد Machine Learning Notebooks أحد أكثر مشاريع التعلم العميق شيوعًا في Github ، وهو مشروع يساعدك على تعلم أساسيات التعلم الآلي في Python. يحتوي على رمز عينة مع حلول للتمارين أيضًا. يحتوي على العديد من دفاتر Jupyter التي تظهر لك أساسيات التعلم الآلي (والتعلم العميق) في Python من خلال TensorFlow و Scikit-Learn.

تعد دفاتر Jupyter المحمولة تفاعلية وتساعدك على تجربة الكود داخل دفتر الملاحظات. إنها نتاج jupyter.org وهي أدوات مفتوحة المصدر.

تتوفر معظم التمارين الموجودة في هذا المشروع في كتاب "التعلم الآلي العملي" باستخدام Scikit-Learn و TensorFlow. قبل أن تبدأ التعلم من هذا المشروع ، تأكد من معرفتك بـ TensorFlow و Scikit-Learn. كلاهما من الأدوات الشائعة على نطاق واسع بين محترفي التعلم العميق ، ويجب أن تكون على دراية بهما قبل أن تبدأ العمل على هذه الأداة.

قد تجد صعوبة في العمل على بعض المشكلات المشتركة في هذا المشروع ، لذلك سيكون من الأفضل الحصول على دورة تعلم الآلة والحصول على تجربة تعليمية مخصصة.

5. MXNet - أباتشي

MXNet عبارة عن إطار عمل تعليمي عميق مفتوح المصدر يساعدك في أداء النماذج الأولية للبحث بسرعة ومرونة للإنتاج السريع. يسمح بالتدريب الموزع القابل للتطوير لأنه يحتوي على دعم Horovod و Parameter Server. تم دمجها في Python وتدعم العديد من اللغات البارزة مثل C ++ و Julia و Clojure و Perl و R و Scala.

سبب آخر لشعبيتها الواسعة هو النظام البيئي الشامل للمكتبات والأدوات الخاصة بالسلاسل الزمنية ومعالجة اللغة الطبيعية ورؤية الكمبيوتر وغيرها. بعض هذه الأدوات والمكتبات هي GluconTS و GluconCV و D2L.ai و GluconNLP. تساعدك كل هذه الأدوات والمكتبات في مجالات محددة من التعلم العميق. على سبيل المثال ، GluconCV عبارة عن مجموعة أدوات لرؤية الكمبيوتر والتي تتيح لك تقدير الوضع بالإضافة إلى اكتشاف الكائن. يحتوي على ترخيص Apache-2.0 وهو أحد الأشياء الضرورية لأي متخصص في التعلم العميق ، لذا تأكد من التعرف عليه أثناء دراسته.

تسجيل الخروج: أهم مشروعات التعلم الآلي في Github

6. fastai

Fastai هي مكتبة للتدريب المبسط والسريع للشبكات العصبية. يحتوي على دعم خارج الصندوق للنماذج الجدولية والرؤية والتصفية التعاونية والنماذج النصية. هذا من بين مشاريع التعلم العميق في Github لأنه يقدم دروسًا وأدلة حول استخدام fast.ai أيضًا.

سيساعدك التعرف على المكتبات والأطر السائدة كمحترف في التعلم العميق. لذلك يجب أن تكون على دراية بهم. يحتوي هذا المشروع أيضًا على أمثلة لعمليات التنفيذ وحالات الاستخدام الخاصة بـ fast.ai حتى تتمكن من فهم كيفية تطبيق هذه المكتبة بسهولة في مشاريع العالم الحقيقي.

7. CNTK

Microsoft Cognitive Toolkit (CNTK) عبارة عن مجموعة أدوات مفتوحة المصدر لتطبيقات التعلم العميق. يمكنك الجمع بين أنواع النماذج البارزة المختلفة وإدراكها بسرعة. تتضمن بعض أنواع النماذج هذه الشبكات المتكررة وشبكات DNN للتغذية إلى الأمام وكذلك شبكات CNN. يطبق التعلم SGD (النسب العشوائية للتدرج) مع الموازاة التلقائية والتمايز بين الخوادم.

لديها ترخيص مفتوح المصدر وواحد من أفضل المجتمعات. يعثر CNTK على تطبيقات في العديد من الصناعات ، وقد يتعين عليك أن تكون على دراية بها للعمل في بعض المشاريع. لذلك من الأفضل أن تتعلم عنها قبل دخول السوق. تحصل Microsoft Cognitive Toolkit على تحديثات مستمرة أيضًا حتى لا تجد أي أدوات أو تطبيقات قديمة فيها.

اقرأ أيضًا: أفضل مشاريع Python في Github

تعرف على المزيد حول التعلم العميق

يمكن أن تتطلب دراسة التعلم العميق والمواضيع ذات الصلة الكثير من الجهد. نقترح عليك قراءة المزيد حول هذا الموضوع لفهم التعلم العميق بمزيد من الفعالية.

إذا كنت مهتمًا بمعرفة المزيد حول التعلم الآلي ، فراجع دبلوم PG في IIIT-B & upGrad في التعلم الآلي والذكاء الاصطناعي المصمم للمهنيين العاملين ويقدم أكثر من 450 ساعة من التدريب الصارم ، وأكثر من 30 دراسة حالة ومهمة ، IIIT- حالة الخريجين B ، أكثر من 5 مشاريع تتويجا عملية ومساعدة وظيفية مع أفضل الشركات.