Привет, Хабр!



В последнее время машинное обучение и data science в целом приобретают все большую популярность. Постоянно появляются новые библиотеки и для тренировки моделей машинного обучения может потребоваться совсем немного кода. В такой ситуации можно забыть, что машинное обучение — не самоцель, а инструмент для решения какой-либо задачи. Мало сделать работающую модель, не менее важно качественно презентовать результаты анализа или сделать работающий продукт.







Я хотел бы рассказать о том, как создал [проект][1] по распознаванию рукописного ввода цифр с моделями, которые дообучаются на нарисованных пользователями цифрах. Используется две модели: простая нейронная сеть (FNN) на чистом numpy и сверточная сеть (CNN) на Tensorflow. Вы сможете узнать, как сделать практически с нуля следующее:


* создать простой сайт с использованием Flask и Bootstrap;
* разместить его на платформе Heroku;
* реализовать сохранение и загрузку данных с помощью облака Amazon s3;
* собрать собственный датасет;
* натренировать модели машинного обучения (FNN и CNN);
* сделать возможность дообучения этих моделей;
* сделать сайт, который сможет распознавать нарисованные изображения;


Для полного понимания проекта желательно знать как работает deep learning для распознавания изображений, иметь базовые знания о Flask и немного разбираться в HTML, JS и CSS.


[Читать дальше →][2]

[1]: https://digits-draw-recognize.herokuapp.com/
[2]: https://habrahabr.ru/post/335998/?utm_source=habrahabr&utm_medium=rss&utm_campaign=feed_posts#habracut