58

机器学习真的无法精通了吗?

 5 years ago
source link: http://www.10tiao.com/html/236/201806/2650699498/2.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.

点击上方“CSDN”,选择“置顶公众号”

关键时刻,第一时间送达!

【CSDN编者按】这两年,人工智能火得一塌糊涂,像手机语音助手、智能音箱、智能客服、自动驾驶汽车等,都是其典型应用。实际上,无论是人工智能,还是机器学习、深度学习,这些技术领域都有很长的发展历史,并且仍在不断地发展与变化当中。

以下为译文:

如果你对人工智能和机器学习的理解还不是很清楚,那么本文对你来说将会很有用。我将配合精彩的视频和文字解说来帮助你全面理解机器学习。

视频的播放需要一些时间,请耐心看完。如果它们不能激发你的兴趣,那我也没办法了。

但是,如果你发现自己满怀激情地阅读完了全文,那么说明你对这个新世界充满兴趣和热情。后续的进一步发展就取决你自己了。


为何机器学习如此热门?


人工智能非常炫酷,它能够帮你玩多种游戏,还能帮助程序员来探索事物的核心运行机理。这很有趣,但是程序员并不总是在 AI 编程方面充满天赋。早期谷歌 AI 不敌人类玩家让我们看到了 AI 的局限。

不过,无论怎样,AI 是一个充满前景的新事物。你可以教会计算机玩电子游戏、理解人类语言、甚至识别人和物。这项新技能的概念实际上很古老,只是最近使用新的称谓重新走入大众视野。我所说的正是机器学习。

你不需要再去发明高级算法,你只需教会计算机来发明自己的高级算法。

那么它是如何运转的呢?算法并不会像种子的种类一样多,因此我没有用育种来比喻它。请看这个短视频,它从宏观层面阐述了人工智能的概念。

哇!这个过程的确很疯狂!新的算法被发明时,我们如何理解它呢?这里有一个非常强大的视觉 AI,它可以自动通关超级马里奥游戏。人类明白如何左右滚动,但是 AI 通过预测策略来识别滚动简直太不可思议。

的确令人吃惊,对吧?唯一的问题是我们不知道如何将机器学习与视频游戏联系起来。

幸运的是,Elon Musk 已经通过一家非盈利公司实现了这项功能。只需十几行代码,你就可以将 AI 和任何游戏联系起来。


为何使用机器学习?


为什么使用机器学习?我有两个很好的理由。首先,机器学习正在使计算机执行我们以前从未使计算机执行过的任务。如果你想要做一些新的事情,不仅是对你而言,即使对于世界而言,你都可以用机器学习来做。其次,如果你不主动影响世界,世界将会影响你。

如今各大公司都在积极投资机器学习,我们已经看到机器学习在改变世界。思想领袖们警告说,我们不能让这个算法新时代存在于公众视野之外。想象一下,一些大企业控制了互联网,如果不积极投身其中,我们将被科技抛弃。关于机器学习,我认为 Christian Heilmann 说得很好:

「我们可以等待其他人利用机器学习的力量来做一些好事。但是作为我个人来讲,我并不想静观其变。我想主动投身其中,参与这场革命。当然,你也可以!」


机器学习的内部机制


机器学习用处很大,我们从很高级的层面对它有了初步的理解,但它内部机制是怎样,究竟是如何运转的呢?

如果你想快速了解,我建议你跳过本节并转到下一节「如何开始」的部分。如果你想成为机器学习领域的实践者,那么这些视频对你来说则没有太强的必要性。

如果你仍然在试图理解机器学习的初级知识,那么下面的视频非常适合你,它通过一些实际问题来帮助你理解机器学习的相关逻辑。

这非常酷对吧?该视频显示每个图层逐渐变得更简单而不是更复杂。类似于编程中的方法将数据变成小块,最终以抽象的概念呈现。你可以在这个网站(http://scs.ryerson.ca/~aharley/vis/conv/flat.html)上亲自动手来参与这个过程。

你可以看到数据经历了一个训练有素的模型,甚至可以看你的神经网络得到训练。

机器学习的实际经典实例之一是 1936 年的虹膜数据集。在我参加的 JavaFXpert 关于机器学习的概述中,我学习了如何使用其工具来可视化调整和反向传播神经网络上的神经元。你可以看着它训练神经模型!

图注:用 Jim 的可视化工具训练虹膜神经网络

即使你不是 Java 开发者,Jim 的演讲也很适合你,它通过一个半小时的时间介绍机器学习的概念,其中包含了很多上述许多示例的信息。

这些概念令人兴奋!你准备好成为这个新时代的爱因斯坦了吗?惊喜每时每刻都在发生,赶紧投身其中吧。


如何投入学习?


学习资源非常丰富。我主要推荐以下两种方法。

方法 1. 深入学习核心算法

在这一步中,你将了解机器学习的基本算法和数学知识。我知道这听起来很难,但真正了解细节并从头开始编写这些东西是一件很炫酷的事情!

如果你想成为机器学习领域的中坚力量,并且深入其中,那么这是你的必经之路。

我推荐你使用 Brilliant.org 的应用程序,它是任何科学爱好者的利器,此外我还建议你参加人工神经网络课程。本课程没有时间限制,可以帮助你深入学习机器学习。

学习完以上内容之后,你可以学习来自斯坦福吴恩达的「11 周掌握机器学习」课程。Jim Weaver 在以上视频中推荐了这门课程。此外,Jen Looper 也专门向我推荐了这门课程。

很多人都说这些课程有些枯燥,学习过程比较艰难。我希望你们能够挺住并坚持下去,从而证明自己。

这些课程完全免费,只有当你需要证书时才需要支付一些证书费用。

你可以通过这两门课程学到很多,因为课程并不简单。更重要的是,如果你真的做到了,你将对机器学习的具体实施有深入的了解,这将促使你能够以新的方式来应用它。

方法 2. 基于现有的库开发应用

如果你对编写算法不感兴趣,但你想用它们来创建一个网站或者应用程序,那么你应该学习 TensorFlow 或者其他框架。

TensorFlow 是用于机器学习的著名开源软件库。你可以用多种方式使用它,甚至可以用 JavaScript。这里有一个课程帮助你了解它。

更多课程和排名的更多信息可以在这里找到。

如果你愿意参加课程同样可以。你不必为了使用机器学习而深究其本质。你可以通过多种方式把它作为一种服务来利用,并与训练有素的模型的科技巨头一起使用。

我不得不告诫你数据的安全性是无法绝对保证的,但即使存在风险,为机器学习提供服务依然充满吸引力!

如果你想要将数据上传到亚马逊、微软或者谷歌,那么使用机器学习服务可能是最佳解决方案。我喜欢将这些服务视为高级机器学习。总之,无论哪种方式学习机器学习,现在开始都是很好的时机。


总结


我必须向上述所有人员和视频表示感谢。他们给了我写这篇文章的灵感,尽管我仍然是机器学习领域的新手,但我很高兴自己能够为其他人指明道路。

在学习过程中,交流和反馈格外重要。你可以联系我以及前文提到的人。真心希望这篇文章能够激励你和你周围的人学习机器学习!


原文:https://medium.freecodecamp.org/machine-learning-how-to-go-from-zero-to-hero-40e26f8aa6da https://www.keyvalues.com/blog/how-engineers-can-stand-out-from-the-applicant-pool

作者简介:Gant Laborde ,软件顾问、兼职教授、作家、演讲者、导师

译者:安翔;责编:杨丽



About Joyk


Aggregate valuable and interesting links.
Joyk means Joy of geeK