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

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

　　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)機(jī)器學(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)。