一说到机器学习,我被问得最多的问题是:给那些开始学习机器学习的人的最好的建议是什么?其实说句实话,我并不知道怎么回答这个问题。
原标题:HOW TO GET STARTED WITH MACHINE LEARNING!
视频介绍:https://v.qq.com/iframe/player.html?vid=f0639ireb7v&tiny=0&auto=0
一提到机器学习,我被问得最多的问题是:给那些开端学习机器学习的人的***的主张是什么?
其实说句实话,我并不知道怎样答复这个问题。每一个学习者都是***的个别,有自己的学习需求和意图。我所能做的,便是共享一下最初我开端学习机器学习的时分,对我很有用的办法。
我是怎样开端触摸机器学习的
让时刻回到 2017 年,我看到了 SethBling 完结机器学习来玩游戏的一个小演示。
Sethbling-Marl/O-Machine Learing for Video Games
这个小机器人有了自主学习的才能,乃至能够一次又一次地玩马里奥游戏,其时我就震动了。在那之后,我看到了其他运用神经网络的机器人,被用于各种不同的游戏——
Ding Nicolas-A genetic algorithm learns how to fight!
从 Caryhk 传统的机器学习项目
carykh-Neural Networks and Unwanted Pregnancies in Evolv.io!
到星际机器学习项目——
Youtube Uploaded-AI SC2 FirstSteps
有些人还做了关于侃爷 Rap 的 LSTM 项目
Rabboie Barrat-Neural Network Generated Rap, V2
还有 Dota2 的 Open AI
Dota 2 Dendi vs OpenAI (Bot)-1v1-T17
sentdex 制造的 GTA
sentdex-Stream, FPV, and more dada-Python plays GTA P.15
我知道我有必要要去学机器学习,这玩意儿几乎太酷了。
我安装了 TensorFlow,从 syntax 上下载了些代码,可是彻底不知道代码里是怎样一回事,神经网络确实成功地运用许多的数据集,练习了模型,但我对代码所做的每一次修正都会报错,部分是由于 Python 的语法我之前彻底没触摸过,更为重要的是,我彻底不知道该怎样写神经网络。
我先是快速 Google 了一下“怎样写一个神经网络?”,我发现了一个由彻底听不同的数学和符号组成的庞然大物,对我而言看上去就像是外星语,那时我感觉到了激烈的挫折感,但我不达意图誓不罢休。就在那时我触摸到了 Coursera 上吴恩达的机器学习课程,我的天,那个课程相同也是外星语,我能够完结前几章课程彻底没有问题,但那之后,吴恩达又开端讲外星语了。
我是怎样坚持下去的
同志们,假如像我这样开端机器学习旅程,毫无疑问你会碰到一次巨大的词汇冲击。信任我,你大多数的困惑是由于无法了解提及的单词所引起的。当我意识到这个之后,我改变了我学习办法,转而去学习这个巨大的外星语。在我学习的过程中,有许多术语和符号会重复呈现:向量,矩阵,激活函数传达,机器学习等等。我在“向量”这个概念上花了一段时刻,感谢 unity3D,每逢我觉得了解了机器学习中的一些概念,比方矩阵乘法,我都会回到我最喜欢的机器学习资源,去看看它们关于我来说,是不是变得简略了解了。我很惊奇突然之间,我能够略微更好地了解这门外星语了。
每逢有概念毫无条理让我止步不前,我都会把他们独自拿出来,举个比如,当我遇到 sigmoid 或许其他的激活函数,我就会列出一堆困扰我的问题,然后一个个独自查找。
提到这,我非常引荐可汗学院 .com。这里有一切在你写自己的机器学习算法所要用到的。我在这里列出了一些你需求去学习的很重要的数学课供你参阅,对我个人而言,协助很大。
我个人很喜欢的学习资源:
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James Mccaffrey Talk (A BIT OUTDATED INFORMATION BUT STILL A FUN ONE)-https://www.youtube.com/watch?v=-zT1Zi_ukSk
一些很重要的数学课
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: hhttps://www.khanacademy.org/math/ap-calculus-bc/bc-derivative-rules
一些或许会协助到你的数学课
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
我的主张
(1)更好地了解伪代码
我觉得学习怎样写机器学习算法***的办法,便是去更好地了解伪代码。咱们要了解怎样去核算它们,还有各种不同的能够彼此转化的指数。在我的经历里,大多数情况下,伪代码是非常明晰的。但假如不是的话,或许是由于在外星语中呈现的太频频了。
学习怎样将伪代码转化成你最喜欢的编程言语,其实是最重要的事。其实没有一个一码通吃的神经网络,实践上当你从不同的教师那里学习怎样写神经网络的时分,请必定要注意,他们不会总是运用相同数量的输入,躲藏层节点,激活函数,或许连术语都不相同,有些教师或许会把偏置说成另一个词,这便是伪代码如此重要的原因。
(2)前馈神经网络比如
除了之前所说的我能给你***的主张,便是用一个简略的前馈神经网络比如来开端你的学习,这有一个很好的比如——做一个文字色彩猜测器,当你供给给它,红,绿,蓝值作为输入的时分,测验去练习它作出,在此之上应该运用深色字仍是淡色字,让它能够能够被认出来的猜测。我觉得这是个很好的有很简略的项目,值得仔细研讨以此来学习机器学习的根底。
(3)马上开端着手
主张你从最开端就着手写你的神经网络,我指的是你学习的***天,就在这个视频完毕的时分,马上翻开你的 IDE。纸上得来终觉浅,绝知此事要躬行。虽然理论上知道,怎样写神经网络很帅,但实践去写一个神经网络是彻底不同的。
当你开端去写一个神经网络的时分,你会卡住,然后你就有了***个需求去找的问题,测验去处理它,如此往复,直到你成功。我特别期望,从最一开端我就知道这个主张,这或许会削减我大部分学习的时刻。
(4)站在伟人的膀子上
假如你真的想要能够很好地写出机器学习算法,你需求依托别人的研讨和代码,由于事实上这其实仍是一个刚起步的范畴,每周都会有新的东西诞生。
***一个我想给你们的重要主张是,其实你也能够不像我之前说的那样做,形象点来说,机器学习就好像电脑相同。假如你真的想要一台电脑,你能够从头拼装一台,或许你也能够直接买一台整机,这两件事***的结果是相同的。我个人想要去学习怎样从头构建神经网络由于,我是个操控欲很强的疯子。
有许多比如,TensorFlow,PyTorch,Theano,Keras,和其他的机器学习结构,他们就好像是一台装好的电脑,你能够直接开端看教程,开端学习怎样去运用它们,你不需求关怀许多,比如导数,矩阵乘法,激活函数这些概念,这些机器学习结构现已把大多数杂乱的工作做好了,不过清楚明了的,以此为价值的便是,当网络内部呈现问题,或许运转不正确时,找出哪里呈现问题,会是件很困难的事,这都取决于你想要什么
不论怎样样,请必定要记住满意你的好奇心,在机器学习的道路上走得越来越远。
视频旧址https://www.youtube.com/watch?v=I74ymkoNTnw
知优网 » 最值得保藏的机器学习入门办法,今日通通共享给你