¿Vale la pena pagar por el nuevo curso de la Fundación Deep Learning Nanodegree de Udacity?

Answer 1

Actualización: desde mi respuesta ha habido muchas mejoras y actualizaciones a este programa de ND. La respuesta puede no aplicarse en base a estas actualizaciones.

Estoy tomando las Fundaciones de Aprendizaje Profundo de Nanodegree (así como el Auto-Driving Car). Así que creo que puedo responder esto hasta cierto punto. Mi opinión puede o no ser agradable para muchos en el curso, tal vez.

Las ND de Udacity están basadas en proyectos para la mayoría de ellas. No entrarán en detalles agotadores como lo haría un curso de posgrado. Pero los proyectos tienden a darte el empuje correcto para explorar el área. El contenido que respalda los proyectos es lo suficientemente bueno como para presentarle conceptos en un área en particular y tal vez también probar algo avanzado.

Sin embargo, como sugiere su nombre, el DLNF no es algo que haga eso. Tiene su propósito como un ND que lo introducirá en Deep Learning de una manera muy amplia, y hace un trabajo decente en este sentido.

Pros –

• Cubren una variedad de materiales que a menudo pueden ser difíciles de introducir. Sin embargo, dado el advenimiento de DL, cada vez hay más tutoriales para ayudar a las personas a comprender y aprender conceptos avanzados.
• El personal es dedicado. Los creadores de contenido siempre están tratando de mejorar el curso. Por supuesto, su dedicación también impulsa el curso a largo plazo, pero disfrutan de la enseñanza y también quieren ayudar a los estudiantes. Mejoran el curso a medida que avanza. Y tendrá acceso al material mientras exista Udacity, incluido el material actualizado que agreguen después de que se gradúe.
• Tienen una comunidad buena, servicial y activa. Tanto en términos de personal / creadores de contenido / mentores y estudiantes. Algo que no encontré con Coursera tan bien.
• Las revisiones del proyecto son decentes a buenas. Desafortunadamente, puede haber algunos (muy pocos) revisores que no lo toman en serio y son superficiales, pero eso no está en ellos, es en cómo Udacity aborda todo el asunto como yo y puede mejorarse.
• Te ayudará a familiarizarte con algunas herramientas como TensorFlow.
• Los proyectos son interesantes. Así son los mini-proyectos.
• El contenido se publica semanalmente, por lo que es bueno para aquellos que no pueden permitirse demasiado tiempo o desean trabajar en conceptos adicionales junto con el curso en su propio tiempo.
• Los estudiantes reciben 100 $ en créditos de AWS (caducan un año). Lo que es impresionante honestamente.

Contras –

• El estilo de Siraj Raval no es para todos. Es muy superficial, hay demasiados memes. Sin embargo, puede hacer un trabajo decente al explicar algunos conceptos rápidamente y también está tratando de mejorar su estilo a través de este curso.
• Parece que Udacity no tiene mucho control sobre el contenido de Siraj, y no se combina bien con su parte del curso, que es la mayoría de los ND. El contenido de Siraj es un pequeño porcentaje del curso por cierto. Y puede encontrar sus videos en línea tal como son, por lo que no tiene valor desde la perspectiva de ND ya que está pagando por ellos.
• No irás a través de las matemáticas apropiadas en detalle en este ND. Eso ya está establecido a través de los detalles del curso, y nadie debería sorprenderse por eso.
• Continuando con el punto anterior, no entrarás en mucho detalle sobre la teoría de cada concepto en el ND. Ese no es su objetivo en absoluto. Intentan dar la mejor explicación posible a los principiantes sin antecedentes en el campo. No es un curso de nivel de posgrado.
• Dado que tienen una cantidad tan grande de estudiantes, es difícil equilibrar los proyectos en términos de nivel de dificultad. Están tratando de encontrar la combinación perfecta para eso, y no es una tarea fácil.
• Hay varias cosas que faltan en su contenido, y están tratando de encontrar el equilibrio adecuado para una amplia variedad de estudiantes. Lo cual, honestamente, puede llevar tiempo.
• Actualmente, el contenido se publica semanalmente. Así que es un problema que quieren seguir el curso a un ritmo más rápido por ahora.
• El curso se anuncia que toma aproximadamente de 3 a 4 horas de tiempo de un estudiante por semana. Ese podría no ser el caso. Puede ser mucho más.
• El costo de la ND ahora es de 600 $, que es más que su oferta original de 400 $, pero sí dijeron que era solo su oferta original y que está sujeta a un aumento para las cohortes posteriores.

De acuerdo con mi opinión, si tuviera que sugerir a alguien, diría que espere a una cohorte o dos antes de registrarme si no tienen experiencia en DL y quieren conocerlo . El curso, independientemente de la cantidad de recursos que tenga, proporciona cierta estructura y un entorno dedicado y útil que a muchos les resultará beneficioso. No todos pueden aprender fácilmente por su cuenta. Aunque no estoy convencido de si actualmente vale la pena los 600 $.

Asesoramiento específicamente basado en la pregunta y detalles –

Usted también tiene muchas otras opciones –

• Tienes experiencia en ML. Eso implica que tienes un historial de desarrollo de programación / software decente a bueno.
• De hecho, hay varios recursos en línea para ayudarlo a comenzar con DL. Literalmente cientos de tutoriales en línea. Recoge algo, convierte eso en un proyecto. Con tu experiencia no tendrás problemas.
• Obtenga el libro Deep Learning de Goodfellow et al. Trabajar a través de él. Hacer preguntas. Devour Quora (auto-publicidad descarada: creé este blog para compañeros de Quora – Deep Learning en Quora) y Reddit. Ir a los encuentros. Colaborar.
• Muchos trabajos de investigación se publican cada semana en el campo. Empieza a leerlos. Implementar algunos. Comience aquí songrotek / Deep-Learning-Papers-Reading-Roadmap
• Si desea una teoría y matemáticas adecuadas, desafortunadamente este curso no es para usted. Habrá huecos más allá de un punto. PERO puede considerar tomar esto para comenzar y trabajar en un aprendizaje adicional junto con él si prefiere un enfoque más estructurado para el aprendizaje.

Cómo prefieres aprender, solo tú sabes. Lo que estás listo para hacer para aprender, depende de ti. Esperemos que lo anterior te dé la idea correcta. ¡Buena suerte!

Siéntase libre de hacer preguntas en los comentarios.

Answer 2

Es realmente una decisión personal basada en su propio análisis de costo-beneficio. Generalmente trato de evitar pagar por los cursos, ya que tomo muchos de ellos, y se acumula. De hecho, me decidí por este programa de Aprendizaje Profundo, por mis propias razones, pero estas razones pueden no ser convincentes para los demás.

Básicamente decidí tomarlo porque:
1. Ofrecieron un descuento de $ 200 para la primera cohorte.
2. El AI Nanodegree me interesa, y ofrecieron la aceptación automática en los programas AI o Auto-Driving Car junto con un crédito de $ 100 para cualquier persona que complete el programa Deep Learning a tiempo. Como lo entiendo, normalmente, hay un proceso de aplicación completo para esos otros programas, con una tasa de aceptación baja, por lo que es muy útil saltar la cola.
3. Los proyectos parecían realmente interesantes, útiles adiciones a la cartera. Y los temas fueron igualmente interesantes. (Análisis de Sentimiento, CNN, RNN, GAN, etc.)
4. La retroalimentación personalizada sobre los proyectos para pagar a los clientes con Udacity es bastante sorprendente para ser honesto. Hasta el momento, he completado y enviado uno de los 5 proyectos (actualmente se está afinando la arquitectura y los hiperv parámetros para el segundo proyecto, un clasificador de imágenes CNN integrado en TensorFlow). Cuando presenté el primer proyecto, alguien regresó en dos horas con varios cientos de palabras con comentarios relativamente detallados sobre cómo mejorar el proyecto.
5. Un punto fuerte de Udacity es que se centran en trabajar con la industria para mantener el contenido y las herramientas utilizadas de manera oportuna y práctica. Realmente estoy disfrutando de la introducción práctica a TensorFlow, que es increíblemente simple y potente. También obtuvimos un crédito de $ 100 para usar en AWS EC2 para ejecutar los cálculos en una instancia de GPU. Nunca he usado eso antes, así que esta es otra cosa muy buena para exponerme. También nos presentaron a FloydHub, que es una plataforma muy fluida para correr / jugar con Deep Learning, que recomiendo altamente.
6. A veces poner algo de dinero puede motivar

Para mí, todo este tipo de sumado a una decisión “GO”. Tus cálculos pueden variar.

Usted ve a muchas personas como si se burlaran de la idea de pagar por un curso cuando hay tanta información gratuita por ahí. Escucho eso y lo entiendo, pero en mi situación, a veces me resulta útil. Estoy trabajando a tiempo completo en una posición no CS. También tengo una familia, hijos. Así que básicamente me quedo con la noche y los fines de semana, 10-15 horas a la semana. Podría pasar la mitad de ese tiempo buscando cosas, probando esto y aquello, golpeando callejones sin salida que pueden quemar toda una semana. Y, sin duda, en algún momento, ese va a ser el siguiente paso de mi aprendizaje. Eventualmente, solo tienes que atacarte a ti mismo y construir cosas. O gasto parte de mi dinero para una experiencia curada en la que sé que pondré mis 10-15 horas de esfuerzo y se me garantizará un avance tangible. Esto es importante para la motivación y la persistencia.

En lo que respecta al curso de aprendizaje profundo de Google, gran parte del material del mismo está incorporado en el programa de nanodegree. Afortunadamente, los otros profesores (Andrew Trask, Vincent Vanhoucke) constituyen la mayor parte de las presentaciones, porque encuentro a Siraj un poco demasiado frenético para mi gusto. Es lo suficientemente inteligente como para hacerlo, pero podría prescindir de los 60 memes por minuto en sus videos. Mais a chaqu’un son gout …

Answer 3

Debería considerar la clase de red neuronal (NN) del profesor Hinton:

Redes neuronales para el aprendizaje automático – Universidad de Toronto | Coursera

Es gratis (aunque puedes pagar por la certificación, pero eso no es demasiado caro). Definitivamente entra en más detalle y teoría. Tuve que limpiar mi cálculo: ¡no puedo recordar la última vez que tomé derivadas parciales!

Me parece que tengo que escuchar sus conferencias unas cuantas veces para comprender el contenido. Hay un montón de sutilezas con las que pasa. Aplicar NN es definitivamente no trivial.

La desventaja es que esta clase no lo pondrá al día en las plataformas más nuevas, como TensorFlow, etc. Pero creo que probablemente pueda elegirlas por su cuenta.

Tiene algunos ejercicios de programación utilizando Matlab.

Answer 4

Depende. Un curso y su plan de estudios y estilo no es apropiado para cada uno de nosotros. Entonces, primero trabaje con esos materiales que son gratis. Hay grandes recursos que son gratuitos. Necesitará leer muchos artículos de investigación en ciertos momentos si realmente quiere trabajar en el aprendizaje profundo. Entonces usted puede decidir fácilmente sobre Udacity.

Answer 5

Personalmente, no creo que valga la pena pagar ningún MOOC, a menos que el dinero simplemente no te importe.

Hay tantos excelentes recursos de aprendizaje en línea para el aprendizaje automático que son completamente gratuitos que no hay necesidad de pagar dinero en absoluto.

De hecho, el curso de Udacity de Google se ve muy bien. Podría comprobarlo yo mismo.

Answer 6

No creo que aprendas mucha teoría si ya has experimentado en ML. Mi primer consejo es echar un vistazo a este libro: Aprendizaje profundo. Tiene una gran cantidad de aspectos teóricos y prácticos del aprendizaje profundo desde el flujo de Theano a Tensor.

Mi sensación es que debes trabajar primero en este libro y luego considerar todo el descanso.

Answer 7

* No * . No desperdicies tu dinero. Acabo de terminar mi aprendizaje profundo nanodegree. Me inscribí en este curso porque me gustó el enfoque y los materiales en su nanodegrado de aprendizaje automático que completé a principios de este año.