7 Proyek Pembelajaran Mendalam Teratas di Github yang Harus Anda Coba Hari Ini [2022]

Sebagai siswa yang belajar mendalam, salah satu hal terpenting yang dapat Anda lakukan adalah tetap mengikuti perkembangan terkini di bidang Anda. Untuk membantu Anda dalam hal itu, kami telah menyiapkan daftar proyek pembelajaran mendalam berikut di Github karena Github adalah tempat terbaik untuk memulai.

Proyek-proyek berikut memiliki bintang dan komitmen paling banyak di Github pada saat menulis artikel ini. Namun, beberapa proyek ini tidak berada di atas tetapi sangat relevan karena penerapannya. Mari kita mulai:

Proyek Pembelajaran Mendalam Teratas di Github

1. Keras

Pada saat menulis artikel ini, Keras berada di puncak proyek pembelajaran mendalam di Github. Ini memiliki sekitar 49.000 bintang dan 18,4 garpu. Keras adalah API pembelajaran mendalam, yang berjalan di atas TensorFlow, platform pembelajaran mesin yang populer. Keras ditulis dengan Python dan membantu Anda dalam mengerjakan proyek pembelajaran mendalam dengan sangat mudah. Ini terutama membantu Anda dalam melakukan penelitian dengan cepat dan menyebarkan lebih cepat.

Karena dibangun di atas TensorFlow, platform ini juga memberi Anda keuntungan dari platform tersebut. Ini berarti Anda dapat menerapkan model Keras Anda melalui perangkat apa pun yang disematkan. Ini memiliki aksesibilitas yang sangat baik dan memiliki kerangka kerja tingkat industri untuk menskalakan kelompok besar GPU.

Belajar tentang Keras sangat penting untuk setiap siswa yang belajar mendalam. Pastikan Anda sudah familiar dengan TensorFlow dan aplikasinya sebelum Anda mulai belajar tentang Keras karena, tanpa yang pertama, Keras akan terlalu sulit untuk dikuasai.

2. Makalah Pembelajaran Mendalam yang Paling Banyak Dikutip

Proyek Github ini membagikan makalah pembelajaran mendalam yang paling banyak dikutip yang diterbitkan antara tahun 2012 dan 2016. Tidak ada artikel yang diterbitkan setelah 2016 karena peneliti dan akademisi telah merilis banyak dokumen sejak saat itu, dan itu terlalu membebani pembuat proyek .

Meskipun makalahnya mungkin tampak ketinggalan zaman, Anda harus membacanya karena termasuk di antara makalah pembelajaran mendalam yang 'klasik'. Banyak artikel yang ada dalam proyek ini memiliki 200+ kutipan. Beberapa dari makalah tersebut memiliki lebih dari 800 kutipan sehingga Anda dapat memahami popularitas dan penerapannya.

Makalah yang ada dalam daftar ini mencakup banyak bidang termasuk Pidato, NLP, Jaringan Saraf Berulang (RNN), Model Jaringan Konvolusi, Robotika, dan banyak lagi.

3. Kafe

Caffe adalah kerangka kerja terbuka untuk pembelajaran mendalam. Ini adalah produk dari Berkeley AI Research/ The Berkeley Vision and Learning Center. Sementara pencipta Caffe ingin fokus pada visi komputer, itu telah menjadi perpustakaan tujuan umum untuk pembelajaran mendalam. Caffe memiliki komunitas peneliti akademis serta pengguna profesional yang berkembang pesat sehingga Anda dapat dengan mudah menemukan bantuan saat bekerja dengannya.

Ini sangat baik untuk menyebarkan jaringan konvolusi dan mengerjakan pidato, visi, dan proyek pembelajaran mendalam lainnya. Itu dapat memproses lebih dari 60 juta gambar dalam sehari, jadi tidak diragukan lagi ini adalah alat yang cocok untuk proyek visi komputer juga.

4. Notebook Pembelajaran Mesin

Salah satu proyek pembelajaran mendalam paling populer di Github, Machine Learning Notebooks adalah proyek yang membantu Anda mempelajari dasar-dasar pembelajaran mesin dengan Python. Ini memiliki kode sampel dengan solusi untuk latihan juga. Ini memiliki beberapa notebook Jupyter yang menunjukkan kepada Anda dasar-dasar pembelajaran mesin (dan pembelajaran mendalam) dengan Python melalui TensorFlow dan Scikit-Learn.

Notebook Jupyter bersifat interaktif dan membantu Anda mencoba kode di dalam notebook. Mereka adalah produk dari jupyter.org dan merupakan alat sumber terbuka.

Sebagian besar latihan yang ada dalam proyek ini tersedia dalam buku Pembelajaran Mesin Langsung dengan Scikit-Learn dan TensorFlow. Sebelum Anda mulai belajar dari proyek ini, pastikan Anda mengetahui tentang TensorFlow dan Scikit-Learn. Keduanya adalah alat yang sangat populer di kalangan profesional pembelajaran mendalam, dan Anda harus terbiasa dengannya sebelum mulai mengerjakan yang satu ini.

Anda mungkin merasa sedikit sulit untuk mengerjakan beberapa masalah yang dibagikan dalam proyek ini, jadi akan lebih baik untuk mendapatkan kursus pembelajaran mesin dan mendapatkan pengalaman belajar yang dipersonalisasi.

5. MXNet – Apache

MXNet adalah kerangka kerja pembelajaran dalam sumber terbuka yang membantu Anda dalam melakukan penelitian prototipe dengan cepat dan fleksibilitas untuk produksi yang cepat. Ini memungkinkan pelatihan terdistribusi yang dapat diskalakan karena memiliki dukungan Horovod dan Parameter Server. Ini terintegrasi ke dalam Python dan mendukung beberapa bahasa terkemuka seperti C++, Julia, Clojure, Perl, R, dan Scala.

Alasan lain untuk popularitasnya yang luas adalah ekosistem perpustakaan dan alatnya yang luas untuk deret waktu, pemrosesan bahasa alami, visi komputer, dan lainnya. Beberapa alat dan pustaka tersebut adalah GluconTS, GluconCV, D2L.ai, dan GluconNLP. Semua alat dan pustaka ini membantu Anda dalam domain pembelajaran mendalam tertentu. Misalnya, GluconCV adalah toolkit untuk visi komputer yang memungkinkan Anda dalam estimasi pose serta deteksi objek. Ini memiliki lisensi Apache-2.0 dan merupakan salah satu yang harus dimiliki oleh setiap profesional pembelajaran mendalam, jadi pastikan untuk membiasakan diri dengannya saat mempelajari hal yang sama.

Lihat: Proyek Pembelajaran Mesin Teratas di Github

6. cepat

fastai adalah perpustakaan untuk pelatihan jaringan saraf yang disederhanakan dan cepat. Ini memiliki dukungan luar biasa untuk tabular, visi, pemfilteran kolaboratif, dan model teks. Ini adalah salah satu proyek pembelajaran mendalam di Github karena menawarkan tutorial dan panduan tentang penggunaan fast.ai juga.

Menjadi akrab dengan perpustakaan dan kerangka kerja umum akan membantu Anda sebagai profesional pembelajaran yang mendalam. Jadi Anda harus akrab dengan mereka. Proyek ini juga memiliki contoh implementasi dan kasus penggunaan fast.ai sehingga Anda dapat dengan mudah memahami cara menerapkan perpustakaan ini dalam proyek dunia nyata.

7. CNTK

Microsoft Cognitive Toolkit (CNTK) adalah toolkit open-source untuk aplikasi pembelajaran mendalam. Anda dapat menggabungkan berbagai jenis model yang menonjol dan mewujudkannya dengan cepat. Beberapa jenis model tersebut termasuk jaringan berulang, DNN feed-forward, serta CNN. Ini menerapkan pembelajaran SGD (penurunan gradien stokastik) dengan paralelisasi dan diferensiasi otomatis antar server.

Ini memiliki lisensi sumber terbuka dan salah satu komunitas terbaik. CNTK menemukan aplikasi di banyak industri, dan Anda mungkin harus terbiasa dengannya untuk mengerjakan beberapa proyek. Jadi akan lebih baik jika Anda mempelajarinya sebelum Anda memasuki pasar. Microsoft Cognitive Toolkit juga mendapatkan pembaruan konstan sehingga Anda tidak akan menemukan alat atau implementasi yang ketinggalan zaman di dalamnya.

Baca Juga: Proyek Python Teratas di Github

Pelajari Lebih Lanjut Tentang Pembelajaran Mendalam

Mempelajari pembelajaran mendalam dan topik terkait dapat membutuhkan banyak usaha. Kami menyarankan Anda membaca lebih lanjut tentang topik ini untuk memahami pembelajaran mendalam dengan lebih efektif.

Jika Anda tertarik untuk mempelajari lebih lanjut tentang pembelajaran mesin, lihat PG Diploma IIIT-B & upGrad dalam Pembelajaran Mesin & AI yang dirancang untuk para profesional yang bekerja dan menawarkan 450+ jam pelatihan ketat, 30+ studi kasus & tugas, IIIT- B Status alumni, 5+ proyek batu penjuru praktis & bantuan pekerjaan dengan perusahaan-perusahaan top.