Kezdje a "Miért?" és a következővel fejezzem be: "Kész vagyok!"
Ha az AI és a gépi tanulás megértése nagy kérdőjel, akkor ez a blogbejegyzés az Ön számára. Itt fokozatosan növelem Awesomenessicity ™ -edet azáltal, hogy inspiráló videókat ragasztok össze barátságos szöveggel.
Üljön le és lazítson. Ezek a videók időbe telnek, és ha nem inspirálják a következő szakasz folytatásához, elég tisztességes.
Ha azonban a cikk alján találja magát, megszerezte jól átfogó tudását és szenvedélyét az új világ iránt. Hová mész onnan, rajtad múlik.
A gépi tanulás miért olyan forró most
Az AI mindig hűvös volt, kezdve a pong mozgatásával a Pongban, egészen a Street Fighter kombókkal történő világításáig.
Az AI mindig a programozó funkcionális tippje körül forog, hogy hogyan kell viselkednie valaminek. Szórakoztató, de a programozók nem mindig tehetségesek az AI programozásában, ahogyan azt gyakran látjuk. Csak a Google „epikus játékában nem sikerül” észlelni az AI, a fizika és néha tapasztalt emberi játékosok hibáit.
Ettől függetlenül az AI új tehetséggel rendelkezik. Megtaníthatja a számítógépet videojátékokra, a nyelv megértésére, sőt arra is, hogyan lehet azonosítani az embereket vagy dolgokat. Ez a jéghegy csúcsa új készség egy régi koncepcióból származik, amely csak nemrégiben kapta meg a feldolgozó erőt az elméleten kívül.
Gépi tanulásról beszélek .
Már nem kell fejlett algoritmusokkal előállnia. Csak meg kell tanítania a számítógépet, hogy előálljon a saját fejlett algoritmusával.
Tehát hogyan működik ilyesmi? Egy algoritmust valójában nem írnak annyira, mint amilyen… tenyésztik. Nem a tenyésztést használom hasonlatként. Nézze meg ezt a rövid videót, amely kiváló kommentárokat és animációkat ad az AI létrehozásának magas szintű koncepciójához
Azta! Jobb?Ez egy őrült folyamat!
Most hogy van az, hogy nem is tudjuk megérteni az algoritmust, amikor elkészült? Nagyszerű látvány volt, amikor az AI-t azért írták, hogy legyőzze a Mario játékokat. Emberként mindannyian értjük, hogyan kell oldalsó görgetőt játszani, de az így kapott AI prediktív stratégiájának azonosítása őrületes.
Lenyűgözött? Van valami elképesztő ebben az ötletben, igaz? Az egyetlen probléma az, hogy nem ismerjük a Gépi Tanulást, és nem tudjuk, hogyan kapcsoljuk össze a videojátékokkal.
Szerencsédre Elon Musk már nyújtott egy nonprofit céget az utóbbi elvégzéséhez. Igen, egy tucatnyi kódsorban összekapcsolhatja bármely AI-t, amelyet számtalan játékhoz / feladathoz szeretne! Nézd meg működés közben!
Miért használja a gépi tanulást?
Két jó válaszom van arra, miért érdekelne. Először is, a Machine Learning (ML) arra készteti a számítógépeket, hogy olyan dolgokat hajtsanak végre, amilyeneket még soha. Ha valami újat szeretnél csinálni, nem csak neked, hanem a világnak is, akkor megteheted az ML-vel.
Másodszor, ha nem befolyásolja a világot, a világ hatással lesz rád.
Jelenleg jelentős vállalatok fektetnek be az ML-be, és már látjuk, hogy ez megváltoztatja a világot. A gondolatvezetők arra figyelmeztetnek, hogy nem hagyhatjuk, hogy az algoritmusok ez az új kora a nyilvánosság előtt kívül álljon. Képzelje el, ha néhány vállalati monolit irányítja az internetet. Ha nem fogunk fegyvert, a tudomány nem lesz a miénk. Azt hiszem, Christian Heilmann mondta az ML-ben tartott beszédében a legjobban.
„Remélhetjük, hogy mások csak jóra használják ezt az erőt. Én - egyrészt nem tartom ezt jó fogadásnak. Inkább játszanék, és részese lennék ennek a forradalomnak. És te is. "
OK, most érdekel ...
A koncepció hasznos és klassz. Magas szinten értjük, de mi a fene történik valójában? Hogy működik ez?
Ha egyenesen be akar ugrani, javasoljuk, hogy hagyja ki ezt a részt, és lépjen a következő „Hogyan kezdjem el” szakaszra. Ha arra ösztönöz, hogy az ML-ben DOER legyél, akkor nem lesz szükséged ezekre a videókra.
Ha még mindig megpróbálja felfogni, hogyan is lehet ez a dolog, az alábbi videó tökéletesen átvezeti Önt a logikán, felhasználva a kézírás klasszikus ML problémáját.
Nagyon klassz, mi? Ez a videó azt mutatja, hogy minden réteg inkább egyszerűbb, mintsem bonyolultabb lesz. A funkcióhoz hasonlóan az adatok kisebb részekre rágása, amelyek absztrakt koncepcióval végződnek. Piszkosíthatja a kezét, ha ezen a folyamaton interakcióba lép ezen az oldalon (Adam Harley).
Remek nézni, hogy az adatok képzett modellen mennek keresztül, de akár azt is nézheti, hogy ideghálózata kiképzett-e.
A gépi tanulás működésének egyik klasszikus valós példája az írisz 1936-os adatkészlete. A JavaFXpert gépi tanulásról szóló áttekintésében részt vett előadásomban megtanultam, hogyan használhatja eszközét a súlyok beállításának és hátterében történő megjelenítésének vizualizálására. az ideghálózat neuronjaihoz. Meg kell nézni, ahogy az idegmodellt edzi!
Még akkor is, ha nem vagy Java-buff, a Jim által a Machine Learning által bemutatott előadás nagyon jó, több mint 1,5 órás bevezetés az ML-fogalmakba, amely több információt tartalmaz a fenti példák közül.
Ezek a fogalmak izgalmasak! Készen állsz arra, hogy az új korszak Einsteinje legyél? Áttörések történnek minden nap, ezért kezdje el most.
Hogyan kezdjem?
Rengeteg erőforrás áll rendelkezésre. Először is fel kell iratkoznia néhány hírlevelre / twitter fiókra, hogy a személyes hype vonat folyamatosan mozogjon. Ezt kezdtem!
Fun Machine Learning (@FunMachineLearn) | Twitter
A Fun Machine Learning legfrissebb tweetjei (@FunMachineLearn). A gépi tanulás sznobjainak nem. Élvezze a szépséget és… twitter.com
Ha szeretne még néhány magas szintű koncepciót, javasoljuk, hogy vegyen részt a nem mindennapi AI mindenkinek tanfolyamon a Coursera-n. Ez néhány terminológiát és példát fog kapni az agyadban, miközben kalandozol.
Ami a „mélyreható tanulást” illeti, két megközelítést fogok ajánlani.
Anyák és csavarok
Ebben a megközelítésben meg fogja érteni a gépi tanulást az algoritmusokig és a matematikáig. Tudom, hogy ez így keményen hangzik, de milyen jó lenne igazán belemerülni a részletekbe és a semmiből kódolni ezeket a dolgokat!
Ha erõ akar lenni az ML-ben, és mély beszélgetésekben megtartja magát, akkor ez az út az Ön számára.
Javaslom, hogy próbálja ki a Brilliant.org alkalmazását (mindig kiváló minden tudományos szerető számára), és vegyen részt a Mesterséges Ideghálózat tanfolyamon. Ennek a tanfolyamnak nincs időkorlátja, és segít megtanulni az ML-t, miközben a telefonján eltölti az időt.
Ez az 1. szint után pénzbe kerül.
Kombinálja a fentieket Andrew Ng Stanford tanfolyamának egyidejű beiratkozásával „Gépi tanulás 11 hét alatt”. Ezt a tanfolyamot javasolta Jim Weaver a fenti videójában. Ezt a tanfolyamot is önállóan javasolta nekem Jen Looper.
Mindenki figyelmeztet arra, hogy ez a tanfolyam kemény. Némelyiknek ez egy bemutatódugó, mások számára ezért át fogja tenni magát, és összegyűjti az igazolást, amelyben azt mondja, hogy megtette.
Ez a tanfolyam 100% -ban ingyenes. Csak akkor kell fizetnie az igazolásért, ha azt szeretné.
Ezzel a két tanfolyammal SOKKAL kell dolgozni. Mindenkinek meg kell hatnia, ha végigcsinálja, mert ez nem egyszerű.
De annál inkább, ha mégis sikerül, akkor alaposan megismeri a Gépi Tanulmányozás megvalósítását, amely megkísérli Önt abban, hogy sikeresen alkalmazza új és világváltoztató módon.
Gyorsulási versenyző
Ha nem érdekli az algoritmusok megírása, de ezeket használni szeretné a következő lélegzetelállító webhely / alkalmazás létrehozásához, akkor ugorjon a TensorFlow-ra és az összeomlási tanfolyamra.
A TensorFlow a de facto nyílt forráskódú szoftverkönyvtár a gépi tanuláshoz. Számtalan módon és akár JavaScript-sel is használható. Itt egy összeomlási tanfolyam.
Rengeteg további információ az elérhető tanfolyamokról és rangsorokról itt található.
Ha egy tanfolyam elvégzése nem a te stílusod, akkor is szerencséd van. A mai használathoz nem kell megtanulnia az ML apró-csepegtetős tulajdonságait. Az ML szolgáltatást több szempontból is hatékonyan kihasználhatja olyan technikai óriásokkal, akik készen állnak a betanított modellekre.
Még mindig óvatosságra intem, hogy nincs garancia arra, hogy az adatai biztonságban vannak, vagy akár a tiéd is, de az ML szolgáltatásainak kínálata meglehetősen vonzó!
Az ML szolgáltatás használata a legjobb megoldás lehet az Ön számára, ha izgatott és képes feltölteni adatait az Amazon / Microsoft / Google oldalra. Szeretem ezeket a szolgáltatásokat úgy gondolni, mint egy átjáró drogot a fejlett ML-re. Akárhogy is, jó most kezdeni.
FRISSÍTÉSEK!
Létrehoztam egy 5 napos bevezetőt az AI mini tanfolyamra !!!
//academy.infinite.red/p/ai-demystified-free-5-day-mini-course
Íme néhány fantasztikus oktatóanyag, amelyet találtam, amelyet érdemes megnéznie
- BrainJS oktatóanyagok - Ideghálók JS-ben
- TensorFlow oktatóanyagok kódja + videó
- Mélyen tanuló óceán - Kickstarter tanfolyam
Legyünk alkotók
Köszönetet kell mondanom az összes fent említett embernek és videónak. Ők inspiráltak az induláshoz, és bár még mindig újonc vagyok az ML világban, örömmel állítom elő az utat mások számára, miközben átfogjuk ezt a félelmetes kort, amelyben megtaláljuk magunkat.
Feltétlenül meg kell keresnie és kapcsolatba kell lépnie az emberekkel, ha megtanulja ezt a mesterséget. Barátságos arcok, válaszok és hangzó táblák nélkül bármi nehéz lehet. Csak az, hogy kérdezni és választ kapni, az egy játékváltó. Add hozzá, és add hozzá a fent említett embereket. Barátságos emberek, barátságos tanácsokkal segítenek!
Lát?
Szuper gyakori! Idk mit jelent a shell shell tanulása? De igen, jó tudni, felismerni és enyhíteni
- Jennifer (@sugargreenbean) 2018. április 8Remélem, hogy ez a cikk inspirálta Önt és a körülötte lévőket az ML elsajátítására! Szeretném, ha csatlakozna hozzám a jó és szórakoztató ML-kód megtalálásához. Csillagozzon, nézze meg és járuljon hozzá a repómhoz itt: //github.com/GantMan/fun-machine-learing
Van egy perced? Nézz meg még néhány bejegyzésemet:
- Szolidaritás - A CLI for Developer Sanity
- 5 dolog, ami szívja a távmunkát