给文字做网站链接,网站登录模板,网站制作需要平台,韩国做 mp4下载网站目前#xff0c;人工智能#xff08;AI#xff09;非常热门#xff0c;许多人都想一窥究竟。如果你对人工智能有所了解#xff0c;但对机器学习#xff08;Machine Learning#xff09;的理解有很多的困惑#xff0c;那么看完本文后你将会对此有进一步深入理解。在这里…
目前人工智能AI非常热门许多人都想一窥究竟。如果你对人工智能有所了解但对机器学习Machine Learning的理解有很多的困惑那么看完本文后你将会对此有进一步深入理解。在这里不会详细介绍机器学习算法的基本原理而是通过将比较有意思的视频YouTube和文字相结合逐渐增加对机器学习基础的理解。
当看到本文时请坐下来放松一下。因为下面的这些视频需要花费一点时间但看完视频后你肯定会被吸引继续阅读下去。此外当阅读完本文后你应该会对现在最热门的技术——机器学习有了全面的知识基础并对此产生学习热情最终能学到什么程度完全取决于个人的努力本文只是一块敲门砖。
为什么机器学习现在如此热门
人工智能总是很酷从科幻电影到现实中的阿法狗、聊天机器人等一直吸引人们的关注。长久以来人们认为人工智能一直围绕着程序员对某些事情应该如何表现的功能性猜测。然而程序员并不总是像我们经常看到的那样对人工智能编程同样有着天赋。正如我们经常看到的那样比如谷歌“史诗游戏失败”中在人工智能、物理、有时甚至是经验丰富的人类玩家中都存在有过失。
无论如何人工智能有一种新的天赋——通过该项技术我们可以教电脑玩游戏、理解语言、甚至识别人或物。这个只显露冰山一角的新技术来源一个旧的概念——机器学习直到最近几年它才获得了理论之外的处理能力这源于数据量的爆炸、计算机性能的提升以及算法理论的突破。
通过人工智能这项技术我们不再需要人为地提出高级算法只需要教会计算机自己来提出高级算法即可。
那么这样的事情是如何实现的呢机器学习算法并没有真正被类似于程序员编程那样进行编写而是自动生成。观看下面这个简短的视频该视频为创建人工智能的高级概念提供了出色的注释和动画。 是不是一个很疯狂的处理过程并且当算法完成后我们甚至无法理它它就像一个黑匣子。比如该项技术应用于视觉领域中是用人工智能玩马里奥游戏。作为一个人我们都知道如何躲避障碍物和吃金币但人工智能识别所产生的预测策略是疯狂的 是不是很吃惊看完上述视频后我们的问题是对机器学习不了解并且不知道如何将它与电子游戏联系起来。
幸运的是Elon Musk已经提供了一家非营利性公司来做后者。通过十几行代码你可以将人工智能与任何你想要玩的游戏/任务联系起来快去尝试一下吧。
为什么要使用机器学习
关于为什么要关心机器学习这里有两个很好的答案。
首先机器学习使计算机可以做到计算机以前不能实现的事情。如果你想尝试一些新事物或者不仅仅是新事物而是影响全世界你都可以用机器学习来完成。其次如果你不影响世界世界将影响你。
现在很多大型公司在机器学习上投入了很多的研发和投资我们已经看到它正在改变世界。思想领袖警告我们不能让这个新的算法时代存在于公众视线之外。想象一下如果一些企业巨头控制着互联网如果我们不掌握这项武器科学的真理将不会被我们占据。Christian Heilmann在他关于机器学习的谈话中说得很好 “我们能够希望其他人善用这种力量。对于个人而言不要认为这是一个好的赌注。我宁愿玩也要参加这场科技革命你也应该参与。”——Chris Heilmann的机器学习谈话视频 对机器学习感兴趣
机器学习这个概念很有用而且很酷上述内容让我们比较抽象地了解了它但机器学习算法究竟发生了什么它是如何运作的我们还不是很清楚。
如果你想直接进入到理论研究建议你跳过这一部分继续下一个“如何开始”部分。如果你有动力成为机器学习的实干者那么就不需要看下面的视频了。如果你仍然试图了解机器学习可能是什么下面的使用机器学习完成数字手写体识别的视频非常适合引导读者建立一种机器学习的逻辑 是不是很酷该视频显示每个层变得更简单而不是变得更复杂。就像函数将数据分解成较小的部分一样以抽象的概念结束。你可以在该网站Adam Harley与此流程进行交互。 此外机器学习的经典实例之一是1936年的鸢尾花数据集。在参加JavaFXpert的机器学习概述的演示中我学会了如何使用工具来可视化调整和反向传播神经网络上神经元的权重。可视化过程可以让我们看到它是如何训练神经模型。
使用Jim可视化工具训练鸢尾花神经网络 即使你不是一个Java爱好者Jim提供了一个1.5小时的机器学习概念介绍也是比较有用的其中包含上述许多例子的更多详细信息。 这些概念令人兴奋你准备好成为这个新时代的爱因斯坦吗机器学习算法每天都在发生突破所以现在就开始吧。
如何开始
目前网络上有大量的资源可用。首先应该订阅一些时事通讯、技术博客、微信公众号以保持个人知识的滚动。比如medium、爱可可-爱学习、云栖社区等。 至于如何进行深入学习我推荐下面两种方法
从头到尾拧完n颗螺栓
在这种方法中将需要你全面了解机器学习算法和相关的数学知识。我知道这种方式听起来很难完成但要想真正地了解算法细节就必须从头开始编码实现。
如果你想成为机器学习中的一员并在核心圈中占据一席之地那么这就是你的选择。我建议你试试一些公开课app比如course、Brilliant.org并参加人工神经网络课程。经典的网络课程主推Andrew Ng 老师的机器学习课程以及周志华老师的书籍等。
在学习的同时可以完成对应的线下作业。通过完成对应的作业会进一步加深对知识的理解因为这些作业并不简单。但更重要的是如果确实完成了这项工作你将对机器学习的实施有进一步深刻的理解这将使得你以新的和改变世界的方式成功地将其应用到对应的场景中。
快速上手
如果你对编写算法并不感兴趣但仍想要使用它们来创建一个令人惊叹的网站/应用程序你应该跳转到学习TensorFlow和对应的速成课程。
TensorFlow是用于机器学习的开源软件库。它可以以无数种方式使用甚至可以使用JavaScript这里是一个速成课程。更多课程信息请点击此处查看。
如果选修课程不适合你的学习方式那你仍然是很幸运的。如今不必学习机器学习的细节就可以掌握如何使用它。此外还可以通过多种方式有效地机器学习作为服务成为技术巨头。 数据是这项技术很重要的原材料如果你的数据比较合适那么使用机器学习建模可能是最佳解决方案。无论是使用机器学习中的哪一种算法现在就开始吧。
成为创造者
我要对所有上述的人和视频说声谢谢它们是我学习机器学习起步的灵感虽然我在该领域仍然是个新手但是当我们拥抱这个令人敬畏的时代时我很高兴为他人指明一条学习道路。
如果你想学习这门技术就必须与机器学习领域的研究者有所联系。没有友好的面孔、回答和讨论任何事情都将变得很难。一般技术圈的人都是比较热心肠的遇到问题先google找不到答案就咨询圈内人相信会有友好的同行给出友好的建议。 我希望这篇文章能激励你和周围的人学习机器学习我也很乐意和你一起寻找酷炫有趣的机器学习代码希望本文对你有所帮助。
原文链接 本文为云栖社区原创内容未经允许不得转载。
