3
| 本文作者： AI研習(xí)社-譯站 | 2018-03-20 17:31 |
雷鋒網(wǎng)按：這里是，油管Artificial Intelligence Education專欄，原作者Siraj Raval授權(quán)雷鋒字幕組編譯。
原標(biāo)題 Learn Machine Learning in 3 Months
翻譯 | 楊麗 廖穎 字幕 | 凡江 整理 | 廖穎 編輯 | 吳璇
到目前為止，我收到最多的問題，就是怎樣入門機(jī)器學(xué)習(xí)。為此，我制定了一個(gè)三個(gè)月的學(xué)習(xí)指南來幫助你們，更好地從入門級(jí)新手變成機(jī)器學(xué)習(xí)的精通者。
同時(shí)，為了那些僅能利用閑余時(shí)間來學(xué)習(xí)的人——不管是工作黨，還是學(xué)生黨，我都會(huì)用視頻進(jìn)行講解。如果你能全心全意投入學(xué)習(xí)，就可以事半功倍地達(dá)成效果。
首先，我們先來看看 DeepMind 招聘頁面。每每提到發(fā)布的人工智能算法， DeepMind 都稱得上是世界領(lǐng)先的機(jī)構(gòu)。我們來看一下研究工程師職位。這個(gè)職位描述所需要負(fù)責(zé)的是團(tuán)隊(duì)的一部分，需要負(fù)責(zé)AlphaGo，Deep Q Network 和 WaveNet。它們每一個(gè)在 AI 領(lǐng)域都具有革命性。
AI 的最低要求是具有計(jì)算機(jī)科學(xué)學(xué)士學(xué)位，或是精通 Python，機(jī)器學(xué)習(xí)和算法設(shè)計(jì)相關(guān)領(lǐng)域的人才。在符合以上優(yōu)先條件者中，不需要具備博士學(xué)位或發(fā)表一大堆論文。
如果我們要?jiǎng)?chuàng)建一個(gè)餅圖來理解機(jī)器學(xué)習(xí)的必要性，它是這樣分布的：其中35%是線性代數(shù)，25%是概率論和統(tǒng)計(jì)學(xué)，15%是微積分，另外的15%是算法及其復(fù)雜性，最后的10%就是數(shù)據(jù)預(yù)處理知識(shí)。
根據(jù)這些要求，我們可以圍繞著這張圖建立我們自己的課程。我將這門課程劃分為三個(gè)月。第1個(gè)月主要講數(shù)學(xué)和算法復(fù)雜性，第2個(gè)月講機(jī)器學(xué)習(xí)，第3個(gè)月講最受歡迎的深度學(xué)習(xí)。
在開始之前我想說的是，你每天的任務(wù)之一就是跟上節(jié)奏。
這里是我推薦一些學(xué)習(xí)資源：
第一個(gè)推薦的，就是我的YouTube頻道，我會(huì)把AI方面的內(nèi)容發(fā)布在這里。每周不間斷，點(diǎn)擊訂閱按鈕，可以通知你發(fā)布了新的內(nèi)容。
如果你還沒有沒關(guān)注，還有一個(gè)選擇，就是下一個(gè)是 MachineLearning。無論是致力于機(jī)器學(xué)習(xí)的學(xué)者，還是企業(yè)人才，都會(huì)在這里分享他們的發(fā)現(xiàn)。
另外，Twitter也是一個(gè)未被充分利用的資源。Twitter就像一個(gè)學(xué)習(xí)養(yǎng)料，如果你使用得當(dāng)，就可以向厲害的人學(xué)習(xí)。滾動(dòng)Twitter頁面，它不像大多數(shù)社交平臺(tái)那樣魚龍混雜。事實(shí)上它可以豐富你的知識(shí)，機(jī)器學(xué)習(xí)研究員喜歡使用這個(gè)平臺(tái)來進(jìn)行一些非常好的學(xué)術(shù)爭(zhēng)論。我關(guān)注的研究員有 Ilya Sutskever，Trent Mcconaghy Andrej Kappathy，Andrew Trask，Pieter Abeel，Chirs Olah，Nando De Freitas等。
而Hacker News 是另一個(gè)必備的網(wǎng)站，網(wǎng)站對(duì)新聞選擇很謹(jǐn)慎，只有最好的觀點(diǎn)和論據(jù)才能置頂。
以上所有的資源都是基于視頻的，通過使用視頻和簡(jiǎn)短的網(wǎng)絡(luò)文本形式可以學(xué)得更好。而僅僅使用純文本的方式，記錄下一個(gè)個(gè)的公式，卻沒有實(shí)際應(yīng)用，效果不佳。
第一個(gè)月：數(shù)學(xué)
現(xiàn)在開始，進(jìn)入第一個(gè)月的學(xué)習(xí)——數(shù)學(xué)。我們將從大多數(shù)機(jī)器學(xué)習(xí)的組成——線性代數(shù)開始。麻省理工公開課中最受歡迎的課程就是Gillbert Strang教授的線性代數(shù)課程。在YouTube的播放列表中有35個(gè)視頻可以進(jìn)行觀看，如果時(shí)間緊張，可以2倍速觀看每一個(gè)視頻，甚至3倍速。
觀看的時(shí)候要做筆記，記錄并不是必要的，只是為了鞏固所學(xué)。這樣可以使學(xué)習(xí)更有效率。研究表明，通過手寫筆記，可以提高大腦保存所學(xué)概念的能力。
然后就是微積分。 3Blue1Brown 頻道有一個(gè)很棒的播放列表叫做微積分的本質(zhì)，他教你微積分的方式會(huì)讓你覺得微積分就像自己發(fā)明的一樣。
學(xué)習(xí)概率和統(tǒng)計(jì)時(shí)，edX（麻省理工和哈佛大學(xué)聯(lián)手創(chuàng)建的開放在線課堂平臺(tái)）有一門很好的課程叫做“科學(xué)的不確定性”，你也可以在edX上找到一門很好的算法設(shè)計(jì)和分析課程。由U penn教授執(zhí)教，每一門課程發(fā)布一周。
我們還得練習(xí)加速學(xué)習(xí)。所謂的加速學(xué)習(xí)就是每天不間斷學(xué)習(xí)2到3小時(shí)，要像海綿一樣，以更快的速度觀看視頻，看視頻的同時(shí)做筆記。在每個(gè)星期結(jié)束時(shí)，完成一個(gè)項(xiàng)目，最好是比較難的項(xiàng)目，這樣有利于提升完善自己。 這些項(xiàng)目都有一頁簡(jiǎn)介，可以在網(wǎng)上找到。學(xué)習(xí)僅僅是把數(shù)據(jù)下載到你的大腦中，你可以使用工具來加速這一過程。
第一周 線性代數(shù)：https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/
第二周 微積分：https://www.youtube.com/playlist?list=PLZHQObOWTQDMsr9K-rj53DwVRMYO3t5Yr
第三周：https://www.edx.org/course/introduction-probability-science-mitx-6-041x-2
第四周 算法：https://www.coursera.org/courses?languages=en&query=Algorithm%20design%20and%20analysis
第二個(gè)月：機(jī)器學(xué)習(xí)
到第二個(gè)月的機(jī)器學(xué)習(xí)，有3個(gè)播放列表可以觀看學(xué)習(xí)——數(shù)據(jù)科學(xué)中的 python，智能數(shù)學(xué) 和 Tensorflow 的介紹?？匆幌耈dacity機(jī)器學(xué)習(xí)課程的免費(fèi)介紹，制作得相當(dāng)好。接下來的兩個(gè)星期，你可以選擇一些很棒的機(jī)器學(xué)習(xí)項(xiàng)目去完成，利用python編寫自己的代碼。有了好的編譯思想就可以用github鏈接的形式來幫助大家。這個(gè)會(huì)幫助你了解何時(shí)使用特定的機(jī)器學(xué)習(xí)模型以及它是如何在特定的使用案例應(yīng)用中工作的。
另外，我也建議參加一個(gè)非正式的比賽——這是一個(gè)好的方法去學(xué)習(xí)，同時(shí)還可以掙錢。通常需要進(jìn)行分類，能分類出某種類型的問題，某種機(jī)器學(xué)習(xí)模型，這種模型一般是顧問提供給公司的高薪機(jī)器學(xué)習(xí)模型。通過自己建立模型，可以學(xué)得更好。
我建議一周選擇兩個(gè)項(xiàng)目從頭開始學(xué)習(xí)，這會(huì)為你提供機(jī)器學(xué)習(xí)的實(shí)踐經(jīng)驗(yàn)，包括優(yōu)化數(shù)據(jù)預(yù)處理，學(xué)習(xí)類型數(shù)據(jù)分割和模型評(píng)價(jià)。這些都是將海綿模式轉(zhuǎn)換成代碼。許多的數(shù)據(jù)科學(xué)的藝術(shù)，在于你做的用于解決特定問題的大量微觀決策。這是練習(xí)微觀決策的很好的機(jī)會(huì)，同時(shí)可以評(píng)估每一個(gè)的結(jié)果。
scikit-learn是一個(gè)非常簡(jiǎn)單的框架，能快速實(shí)現(xiàn)一些機(jī)器學(xué)習(xí)模型。你會(huì)發(fā)現(xiàn)，在完成一個(gè)任務(wù)的過程當(dāng)中，你會(huì)問自己同樣的問題——如何最好地進(jìn)行數(shù)據(jù)分割？什么是最好的參數(shù)？……
月底的時(shí)候，你應(yīng)該給自己最后一個(gè)項(xiàng)目，那就是簡(jiǎn)單梯度下降算法代碼。這是機(jī)器學(xué)習(xí)中最常用的優(yōu)化策略。如果你可以從頭開始編碼，那么一切都會(huì)變得更容易。
第一周
數(shù)據(jù)科學(xué)中的 python https://www.youtube.com/watch?v=T5pRlIbr6gg
智能數(shù)學(xué) https://www.youtube.com/watch?v=xRJCOz3AfYY
介紹Tensorflow https://www.youtube.com/watch?v=2FmcHiLCwTU
第二周
Udacity機(jī)器學(xué)習(xí) https://eu.udacity.com/course/intro-to-machine-learning--ud120
第三、四周
機(jī)器學(xué)習(xí)項(xiàng)目 https://github.com/NirantK/awesome-project-ideas
第三個(gè)月：深度學(xué)習(xí)
進(jìn)入第3個(gè)月，深度學(xué)習(xí)是一種特定的算法，即神經(jīng)網(wǎng)絡(luò)算法。這種算法需要給定大量的數(shù)據(jù)和強(qiáng)大的計(jì)算能力，它的效果和時(shí)間都優(yōu)于其它算法，這就是為什么它如此受歡迎。
看看我在YouTube上對(duì)深度學(xué)習(xí)課程的介紹，看一下Fast.AI的課程——有36小時(shí)高質(zhì)量課程是免費(fèi)的。在過去兩周里，僅僅實(shí)現(xiàn)了在深度學(xué)習(xí)應(yīng)用里實(shí)現(xiàn)深度學(xué)習(xí)應(yīng)用。期間，你的github上應(yīng)該至少有5-10個(gè)項(xiàng)目涉及到機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。你可以從簡(jiǎn)單的感知器學(xué)習(xí)到最先進(jìn)的模型，它們的差異通常只是在結(jié)構(gòu)上的一些小的調(diào)整?，F(xiàn)在深層學(xué)習(xí)空間擁有豐富的技術(shù)文獻(xiàn)，其中一些好東西都是免費(fèi)的。
3個(gè)月之后，不管是你機(jī)器學(xué)習(xí)領(lǐng)域工作的工程師，或是開了一家咨詢公司，還是開發(fā)出自己的基于 AI 的產(chǎn)品，都應(yīng)該有足夠的信心運(yùn)用你所學(xué)的知識(shí)。不要告訴自己，我學(xué)不會(huì)或者我不夠聰明。記住，學(xué)習(xí)是一個(gè)漫長(zhǎng)的過程，不管你有多大的年紀(jì)，從哪里來，你都可以實(shí)現(xiàn)這個(gè)目標(biāo)。借助互聯(lián)網(wǎng)的力量，你可以在這個(gè)領(lǐng)域產(chǎn)生影響。
如果你不喜歡我的學(xué)習(xí)計(jì)劃，那就自己制定一個(gè)吧。做最適合你自己的事情，最好是讓一個(gè)朋友和你一起同步學(xué)習(xí)，這樣就能彼此監(jiān)督鼓勵(lì)，而不半途而廢。只要給自己一個(gè)積極的心理暗示，就不會(huì)輕易放棄。
人工智能將覆蓋每一個(gè)行業(yè)，改變它對(duì)人類的意義。不管你是否理解它，不管你支持那一邊，這一切都發(fā)生得十分迅猛。 開始你的學(xué)習(xí)之旅吧，我在這里等大家。
第一周 深度學(xué)習(xí)介紹 https://www.youtube.com/watch?v=vOppzHpvTiQ
第二周 Fast.AI的深度學(xué)習(xí) http://course.fast.ai/
第三、四周 我Github上的深度學(xué)習(xí)實(shí)例 https://github.com/llSourcell?tab=repositories
視頻原址 https://www.youtube.com/watch?v=Cr6VqTRO1v0
更多文章，關(guān)注雷鋒網(wǎng) 雷鋒網(wǎng)
添加雷鋒字幕組微信號(hào)（leiphonefansub）為好友
備注「我要加入」，To be an AI Volunteer ！
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。
