| fast.ai | |
|---|---|
| Grundens år | oktober 2016 |
| Grundare | Jeremy Howard , Rachel Thomas _ _ _ _ |
| Nyckelfigurer |
Jeremy Howard, Rachel Thomas, Sylvain Gugger |
| Verksamhetsområde | Artificiell intelligens |
| Hemsida | fast.ai |
fast.ai är en ideell forskargrupp fokuserad på djupinlärning och artificiell intelligens . Gruppen grundades 2016 av Jeremy Howard och Rachel Thomas med målet att demonstrera djup inlärning. [1] De gjorde detta genom att skapa en massiv öppen onlinekurs (MOOC) kallad " Praktisk djupinlärning för kodare" , där den enda förutsättningen för lärande är kunskap om programmeringsspråket Python . [2]
Den kostnadsfria MOOC "Practical Deep Learning for Coders" är tillgänglig som en serie videoinspelade föreläsningar som ges av Howard och Thomas vid University of San Francisco . Till skillnad från de flesta andra onlinekurser kommer studenter som framgångsrikt slutför kursen inte att få något certifikat. Endast studenter som har genomfört en heltidskurs kommer att få ett certifikat från University of San Francisco. [3]
Kursen består av 2 delar, vardera med 7 lektioner. Ämnen inkluderar bildklassificering , stokastisk gradientnedstigning , naturligt språkbearbetning och olika djupinlärningsarkitekturer såsom konvolutionellt neuralt nätverk , rekursivt neuralt nätverk och generativt kontradiktoriskt nätverk .
Hösten 2018 släppte fast.ai version 1.0 av deras djupinlärningsbibliotek som heter fastai (prickfritt). Detta bibliotek är byggt ovanpå PyTorch- biblioteket . Google Cloud-plattformen var den första att tillkännage sitt stöd. [4] Fastai-biblioteket är öppen källkod, publicerat på GitHub och licensierat under Apache-licensen , version 2 . [5]
fast.ai (engelska) - den officiella webbplatsen för fast.ai