1
未來是一個AI的時代嗎？很有可能是的，幾乎每天都能看到AI相關(guān)的新聞，你會不會也有一種想要鉆研AI，制造下一個AlphaGo的沖動？
可是學(xué)習(xí)AI說難不算特別難，但是說簡單也絕不簡單，尤其是對于初學(xué)者來說，更是容易有種無從下手的感覺。上個星期，AI科技評論急大家之所急，為大家準(zhǔn)備了幾份非常精彩的AI入門教程，為你全方位無死角的揭開目前AI最火熱的機(jī)器學(xué)習(xí)方法背后的奧秘：
樸素貝葉斯分類
機(jī)器學(xué)習(xí)的本質(zhì)是什么？其實就是連續(xù)的概率選擇和調(diào)參，但到底是怎么個調(diào)法？神經(jīng)網(wǎng)絡(luò)到底是基于哪些函數(shù)建立而成？這篇文章詳細(xì)的解釋了這些問題。文中列出了監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)三大類中的十種神經(jīng)網(wǎng)絡(luò)類型，并簡要介紹了它們各自的原理、適用的場景、運(yùn)算的優(yōu)勢等內(nèi)容。當(dāng)你思考一個新的項目需求該用何種算法來實現(xiàn)才是最方便快速的，這篇文章可以給你一些啟發(fā)。對于初學(xué)者來說，這也是一個了解機(jī)器學(xué)習(xí)大致現(xiàn)狀的好機(jī)會。
開源框架之一：Facebook的Torch
對機(jī)器學(xué)習(xí)的理論架構(gòu)有了一個大概的了解之后，你可能會陷入一種困惑：我該如何將這些理論轉(zhuǎn)化為真正能夠運(yùn)行的程序？在這個問題上，許多在人工智能方面的研究中享有盛譽(yù)的大公司已經(jīng)給出了自己的答案：發(fā)布自己的開源框架?？蚣芸梢钥醋鍪且恍〢PI，或者說的直白一點——相當(dāng)于積木的零件。使用框架中內(nèi)置的這些算法和結(jié)構(gòu)，你可以相對輕松的用編程語言將自己的想法變?yōu)楝F(xiàn)實。它們有的基于被廣泛使用的Python，Java，C/C++，也有些基于相對冷門一些的諸如Lua之類的語言。不過它們的目的都是相同的：為開發(fā)者提供相對舒適的開發(fā)環(huán)境。因此如果你在思考該使用哪種語言來實現(xiàn)你的算法，不妨參考了這篇介紹了8種比較受歡迎的AI開源框架的文章。
深度學(xué)習(xí)的一些經(jīng)典特征描述
到這里，最最基礎(chǔ)的準(zhǔn)備工作已經(jīng)進(jìn)行的差不多了。我們可以對深度學(xué)習(xí)的理論體系進(jìn)行更深一步的研究了。這篇文章從深度學(xué)習(xí)的概念講起，由淺入深的講解了基本思想、網(wǎng)絡(luò)結(jié)構(gòu)、訓(xùn)練過程等內(nèi)容，并最終介紹了幾種深度學(xué)習(xí)常用的建模方法。吃透這篇文章，對讓你對算法有一個清晰的思路會有很大的幫助。
卷積神經(jīng)網(wǎng)絡(luò)工作原理示意圖
卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）是一種前饋神經(jīng)網(wǎng)絡(luò)，是深度神經(jīng)網(wǎng)絡(luò)中非常重要的一種類型。其特性經(jīng)常被用于圖像處理系統(tǒng)，并能獲得很好的效果。本文結(jié)合幾個圖像識別的實例，簡單講解了建立一個CNN模型的思路和方法，并給出了一些測試方法和常用的應(yīng)用。相信在讀完這篇文章后，你對圖像識別算法的了解又會更深一層。
簡單遞歸網(wǎng)絡(luò)（左）與LSTM單元（右）的對比
遞歸神經(jīng)網(wǎng)絡(luò)也是人工神經(jīng)網(wǎng)絡(luò)中重要的一個種類，擅長用于識別諸如文本、基因組、手寫字跡、語音等序列數(shù)據(jù)的模式，或用于識別傳感器、股票市場、政府機(jī)構(gòu)產(chǎn)生的數(shù)值型時間序列數(shù)據(jù)。
遞歸網(wǎng)絡(luò)可以說是最強(qiáng)大的神經(jīng)網(wǎng)絡(luò)，甚至可以將圖像分解為一系列圖像塊，作為序列加以處理。更重要的一點是，由于遞歸網(wǎng)絡(luò)擁有一種特定的記憶模式，而記憶是智能的基本能力之一。所以“最強(qiáng)神經(jīng)網(wǎng)絡(luò)”可以說實至名歸。這篇文章介紹了遞歸神經(jīng)網(wǎng)絡(luò)的一些應(yīng)用方法，并著重介紹了其中的記憶單元（LSTM）的使用和調(diào)試方法?？梢娪洃泴τ贏I的重要性。
學(xué)海無涯，短短一個星期的幾篇文章可能沒法讓你從一個從沒學(xué)過機(jī)器學(xué)習(xí)的小白變成大神，不過我們希望這些文章能給大家一個足夠的引導(dǎo)。幫助大家在學(xué)習(xí)的過程中少走些彎路，我們今后還會陸續(xù)發(fā)布更多更深入的教程，敬請大家持續(xù)關(guān)注~
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
