新聞中心

EEPW首頁 > 智能計算 > 設(shè)計應(yīng)用 > 如何開始接觸機(jī)器學(xué)習(xí)?方法統(tǒng)統(tǒng)分享給你

如何開始接觸機(jī)器學(xué)習(xí)?方法統(tǒng)統(tǒng)分享給你

作者: 時間:2018-05-15 來源:網(wǎng)絡(luò) 收藏

  一說到,我被問得最多的問題是:給那些開始學(xué)習(xí)的人的最好的建議是什么?

本文引用地址:http://m.butianyuan.cn/article/201805/379929.htm

  其實說句實話,我并不知道怎么回答這個問題。每一個學(xué)習(xí)者都是獨一無二的個體,有自己的學(xué)習(xí)需求和目的。我所能做的,就是分享一下當(dāng)初我開始學(xué)習(xí)的時候,對我很有用的方法。

  我是如何開始接觸機(jī)器學(xué)習(xí)的

  讓時間回到2017年,我看到了SethBling實現(xiàn)機(jī)器學(xué)習(xí)來玩游戲的一個小演示。

    

 

  Sethbling-Marl/O-Machine Learing for Video Games

  這個小機(jī)器人有了自主學(xué)習(xí)的能力,甚至可以一次又一次地玩馬里奧游戲,當(dāng)時我就震驚了。在那之后,我看到了別的使用神經(jīng)網(wǎng)絡(luò)的機(jī)器人,被用于各種不同的游戲——

    

 

  Ding Nicolas-A genetic algorithm learns how to fight!

  從 Caryhk 傳統(tǒng)的機(jī)器學(xué)習(xí)項目

    

 

  carykh-Neural Networks and Unwanted Pregnancies in Evolv.io!

  到星際機(jī)器學(xué)習(xí)項目——

    

 

  Youtube Uploaded-AI SC2 FirstSteps

  有些人還做了關(guān)于侃爺 Rap 的 LSTM 項目

    

 

  Rabboie Barrat-Neural Network Generated Rap, V2

  還有Dota2的Open AI

    

 

  Dota 2 Dendi vs OpenAI(Bot)-1v1-T17

  sentdex 制作的 GTA

    

 

  sentdex-Stream, FPV, and more dada-Python plays GTA P.15

  我知道我必須要去學(xué)機(jī)器學(xué)習(xí),這玩意兒簡直太酷了。

  我安裝了TensorFlow,從syntax上下載了些代碼,但是完全不知道代碼里是怎么一回事,神經(jīng)網(wǎng)絡(luò)的確成功地使用大量的數(shù)據(jù)集,訓(xùn)練了模型,但我對代碼所做的每一次修改都會報錯,部分是因為 Python的語法我之前完全沒接觸過,更為重要的是,我完全不知道該怎么寫神經(jīng)網(wǎng)絡(luò)。

  我先是快速Google了一下“怎樣寫一個神經(jīng)網(wǎng)絡(luò)?”,我發(fā)現(xiàn)了一個由完全聽不同的數(shù)學(xué)和符號組成的龐然大物,對我而言看上去就像是外星語,那時我感覺到了強(qiáng)烈的挫敗感,但我不達(dá)目的誓不罷休。就在那時我接觸到了Coursera上吳恩達(dá)的機(jī)器學(xué)習(xí)課程,我的天,那個課程同樣也是外星語,我能夠完成前幾章課程完全沒有問題,但那之后,吳恩達(dá)又開始講外星語了。

  我是如何堅持下去的

  同志們,如果像我這樣開始機(jī)器學(xué)習(xí)旅程,毫無疑問你會碰到一次巨大的詞匯沖擊。相信我,你大多數(shù)的困惑是因為無法理解提及的單詞所引起的。當(dāng)我意識到這個之后,我改變了我學(xué)習(xí)方法,轉(zhuǎn)而去學(xué)習(xí)這個龐大的外星語。在我學(xué)習(xí)的過程中,有很多術(shù)語和符號會反復(fù)出現(xiàn):向量,矩陣,激活函數(shù)傳播,機(jī)器學(xué)習(xí)等等。我在“向量”這個概念上花了一段時間,感謝 unity3D,每當(dāng)我覺得理解了機(jī)器學(xué)習(xí)中的一些概念,比如矩陣乘法,我都會回到我最喜歡的機(jī)器學(xué)習(xí)資源,去看看它們對于我來說,是不是變得容易理解了。我很驚訝突然之間,我能夠稍微更好地理解這門外星語了。

  每當(dāng)有概念毫無頭緒讓我止步不前,我都會把他們單獨拿出來,舉個例子,當(dāng)我遇到sigmoid或者其他的激活函數(shù),我就會列出一堆困擾我的問題,然后一個個單獨查找。

  說到這,我非常推薦可汗學(xué)院.com。這里有所有在你寫自己的機(jī)器學(xué)習(xí)算法所要用到的。我在這里列出了一些你需要去學(xué)習(xí)的很重要的數(shù)學(xué)課供你參考,對我個人而言,幫助很大。

    

 

  我個人很喜歡的學(xué)習(xí)資源:

  Activation Functions - https://en.wikipedia.org/wiki/Activation_function

  Luis Serrano's Neural Network Series (REALLY GOOD) - https://www.youtube.com/watch?v=UNmqTiOnRfg

  Giant_Neural_Network's Neural Network Series (REALLY GOOD) - https://www.youtube.com/watch?v=ZzWaow1Rvho

  Macheads101's Neural Network series - https://www.youtube.com/watch?v=OypPjvm4kiA

  3Blue1Brown's Neural Network Series - https://www.youtube.com/watch?v=aircAruvnKk

  Hugo's Neural Network Series - http://www.mooc.ai/course/300

  James Mccaffrey Talk (A BIT OUTDATED INFORMATION BUT STILL A FUN ONE)- https://www.youtube.com/watch?v=-zT1Zi_ukSk

  一些很重要的數(shù)學(xué)課

  Vectors (explained with Linear Algebra): https://www.khanacademy.org/math/linear-algebra/vectors-and-spaces

  Vectors (explained with PreCal): https://www.khanacademy.org/math/precalculus/vectors-precalc

  Matrices: https://www.khanacademy.org/math/precalculus/precalc-matrices

  Sequences: https://www.khanacademy.org/math/precalculus/seq-induction

  Derivative Rules: h https://www.khanacademy.org/math/ap-calculus-bc/bc-derivative-rules

  一些可能會幫助到你的數(shù)學(xué)課

  Algebra Functions: https://www.khanacademy.org/math/algebra/algebra-functions

  Quadratics: https://www.khanacademy.org/math/algebra/quadratics

  Irrational: https://www.khanacademy.org/math/algebra/rational-and-irrational-numbers

  Analyzing Categorical Data: https://www.khanacademy.org/math/statistics-probability/analyzing-categorical-data

  我的建議

  (1)更好地理解偽代碼

  我覺得學(xué)習(xí)如何寫機(jī)器學(xué)習(xí)算法最好的方法,就是去更好地理解偽代碼。我們要理解如何去計算它們,還有各種不同的能夠相互轉(zhuǎn)換的指數(shù)。在我的經(jīng)驗里,大多數(shù)情況下,偽代碼是十分清晰的。但如果不是的話,可能是因為在外星語中出現(xiàn)的太頻繁了。

  學(xué)習(xí)怎樣將偽代碼轉(zhuǎn)換成你最喜歡的編程語言,其實是最重要的事。其實沒有一個一碼通吃的神經(jīng)網(wǎng)絡(luò),實際上當(dāng)你從不同的老師那里學(xué)習(xí)怎樣寫神經(jīng)網(wǎng)絡(luò)的時候,請一定要注意,他們不會總是使用同樣數(shù)量的輸入,隱藏層節(jié)點,激活函數(shù),可能連術(shù)語都不一樣,有些老師可能會把偏置說成另一個詞,這就是偽代碼如此重要的原因。

  (2)前饋神經(jīng)網(wǎng)絡(luò)例子

    

 

  除了之前所說的我能給你最好的建議,就是用一個簡單的前饋神經(jīng)網(wǎng)絡(luò)例子來開始你的學(xué)習(xí),這有一個很好的例子——做一個文字顏色預(yù)測器,當(dāng)你提供給它,紅,綠,藍(lán)值作為輸入的時候,嘗試去訓(xùn)練它作出,在此之上應(yīng)該使用深色字還是淺色字,讓它能夠可以被認(rèn)出來的預(yù)測。我覺得這是個很好的有很簡單的項目,值得認(rèn)真研究以此來學(xué)習(xí)機(jī)器學(xué)習(xí)的基礎(chǔ)。

  (3)立刻開始著手

  建議你從最開始就著手寫你的神經(jīng)網(wǎng)絡(luò),我指的是你學(xué)習(xí)的第一天,就在這個視頻結(jié)束的時候,立刻打開你的IDE。紙上得來終覺淺,絕知此事要躬行。盡管理論上知道,如何寫神經(jīng)網(wǎng)絡(luò)很酷,但實際去寫一個神經(jīng)網(wǎng)絡(luò)是完全不同的。

  當(dāng)你開始去寫一個神經(jīng)網(wǎng)絡(luò)的時候,你會卡住,然后你就有了第一個需要去找的問題,嘗試去解決它,如此往復(fù),直到你成功。我特別希望,從最一開始我就知道這個建議,這可能會減少我大部分學(xué)習(xí)的時間。

  (4)站在巨人的肩膀上

  如果你真的想要能夠很好地寫出機(jī)器學(xué)習(xí)算法,你需要依靠他人的研究和代碼,因為事實上這其實還是一個剛起步的領(lǐng)域,每周都會有新的東西誕生。

  最后一個我想給你們的重要建議是,其實你也可以不像我之前說的那樣做,形象點來說,機(jī)器學(xué)習(xí)就好像電腦一樣。如果你真的想要一臺電腦,你可以從頭組裝一臺,或者你也可以直接買一臺整機(jī),這兩件事最后的結(jié)果是一樣的。我個人想要去學(xué)習(xí)如何從頭構(gòu)建神經(jīng)網(wǎng)絡(luò)因為,我是個控制欲很強(qiáng)的瘋子。

    

 

  有很多諸如,TensorFlow,PyTorch,Theano,Keras,和其他的機(jī)器學(xué)習(xí)框架,他們就好像是一臺裝好的電腦,你可以直接開始看教程,開始學(xué)習(xí)怎樣去使用它們,你不需要關(guān)心很多,諸如導(dǎo)數(shù),矩陣乘法,激活函數(shù)這些概念,這些機(jī)器學(xué)習(xí)框架已經(jīng)把大多數(shù)復(fù)雜的事情做好了,不過顯而易見的,以此為代價的就是,當(dāng)網(wǎng)絡(luò)內(nèi)部出現(xiàn)問題,或者運行不正確時,找出哪里出現(xiàn)問題,會是件很困難的事,這都取決于你想要什么。

  不管怎么樣,請一定要記得滿足你的好奇心,在機(jī)器學(xué)習(xí)的道路上走得越來越遠(yuǎn)。



關(guān)鍵詞: 機(jī)器學(xué)習(xí)

評論


相關(guān)推薦

技術(shù)專區(qū)

關(guān)閉