机器学习无法精通吗?一文掌握机器学习窍门!

如果你对人工智能和机器学习的理解还不是很清楚,那么本文对你来说将会很有用。我将配合精彩的视频和文字解说来帮助你全面理解机器学习。

视频的播放需要一些时间,请耐心看完。如果它们不能激发你的兴趣,那我也没办法了。

但是,如果你发现自己满怀激情地阅读完了全文,那么说明你对这个新世界充满兴趣和热情。后续的进一步发展就取决你自己了。

▌为何机器学习如此热门?

人工智能非常炫酷,它能够帮你玩多种游戏,还能帮助程序员来探索事物的核心运行机理。这很有趣,但是程序员并不总是在 AI 编程方面充满天赋。早期谷歌 AI 不敌人类玩家让我们看到了 AI 的局限。

不过,无论怎样,AI 是一个充满前景的新事物。你可以教会计算机玩电子游戏、理解人类语言、甚至识别人和物。这项新技能的概念实际上很古老,只是最近使用新的称谓重新走入大众视野。我所说的正是机器学习。

那么它是如何运转的呢?算法并不会像种子的种类一样多,因此我没有用育种来比喻它。请看这个短视频,它从宏观层面阐述了人工智能的概念。

哇!这个过程的确很疯狂!新的算法被发明时,我们如何理解它呢?这里有一个非常强大的视觉 AI,它可以自动通关超级马里奥游戏。人类明白如何左右滚动,但是 AI 通过预测策略来识别滚动简直太不可思议。

的确令人吃惊,对吧?唯一的问题是我们不知道如何将机器学习与视频游戏联系起来。

幸运的是,Elon Musk 已经通过一家非盈利公司实现了这项功能。只需十几行代码,你就可以将 AI 和任何游戏联系起来。

▌为何使用机器学习?

为什么使用机器学习?我有两个很好的理由。首先,机器学习正在使计算机执行我们以前从未使计算机执行过的任务。如果你想要做一些新的事情,不仅是对你而言,即使对于世界而言,你都可以用机器学习来做。其次,如果你不主动影响世界,世界将会影响你。

如今各大公司都在积极投资机器学习,我们已经看到机器学习在改变世界。思想领袖们警告说,我们不能让这个算法新时代存在于公众视野之外。想象一下,一些大企业控制了互联网,如果不积极投身其中,我们将被科技抛弃。关于机器学习,我认为 Christian Heilmann 说得很好:

「我们可以等待其他人利用机器学习的力量来做一些好事。但是作为我个人来讲,我并不想静观其变。我想主动投身其中,参与这场革命。当然,你也可以!」

▌机器学习的内部机制

机器学习用处很大,我们从很高级的层面对它有了初步的理解,但它内部机制是怎样,究竟是如何运转的呢?

这非常酷对吧?该视频显示每个图层逐渐变得更简单而不是更复杂。类似于编程中的方法将数据变成小块,最终以抽象的概念呈现。你可以在这个网站(http://scs.ryerson.ca/~aharley/vis/conv/flat.html)上亲自动手来参与这个过程。

你可以看到数据经历了一个训练有素的模型,甚至可以看你的神经网络得到训练。

机器学习的实际经典实例之一是 1936 年的虹膜数据集。在我参加的 JavaFXpert 关于机器学习的概述中,我学习了如何使用其工具来可视化调整和反向传播神经网络上的神经元。你可以看着它训练神经模型!

图注:用 Jim 的可视化工具训练虹膜神经网络

即使你不是 Java 开发者,Jim 的演讲也很适合你,它通过一个半小时的时间介绍机器学习的概念,其中包含了很多上述许多示例的信息。

这些概念令人兴奋!你准备好成为这个新时代的爱因斯坦了吗?惊喜每时每刻都在发生,赶紧投身其中吧。

▌如何投入学习?

学习资源非常丰富。我主要推荐以下两种方法。

方法 1. 深入学习核心算法

如果你想成为机器学习领域的中坚力量,并且深入其中,那么这是你的必经之路。

由CSDN联合章华燕老师打造出品的《机器学习小咖养成记》精品课来袭,本课程是机器学习的入门且升级课程。

方法 2. 基于现有的库开发应用

如果你对编写算法不感兴趣,但你想用它们来创建一个网站或者应用程序,那么你应该学习 TensorFlow 或者其他框架。

TensorFlow 是用于机器学习的著名开源软件库。你可以用多种方式使用它,甚至可以用 JavaScript。

你不必为了使用机器学习而深究其本质。你可以通过多种方式把它作为一种服务来利用,并与训练有素的模型的科技巨头一起使用。

我不得不告诫你数据的安全性是无法绝对保证的,但即使存在风险,为机器学习提供服务依然充满吸引力!

如果你想要将数据上传到亚马逊、微软或者谷歌,那么使用机器学习服务可能是最佳解决方案。我喜欢将这些服务视为高级机器学习。总之,无论哪种方式学习机器学习,现在开始都是很好的时机。

在学习过程中,交流和反馈格外重要。你可以联系我以及前文提到的人。真心希望这篇文章能够激励你和你周围的人学习机器学习!

原文:https://medium.freecodecamp.org/machine-learning-how-to-go-from-zero-to-hero-40e26f8aa6da https://www.keyvalues.com/blog/how-engineers-can-stand-out-from-the-applicant-pool 作者简介:Gant Laborde ,软件顾问、兼职教授、作家、演讲者、导师 译者:安翔;责编:杨丽

原文发布于微信公众号 - 人工智能头条(AI_Thinker)

原文发表时间:2018-07-12

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

【视频】让围棋AI自己落子,DexNet机械臂深度学习抓取各种形状物体

【新智元导读】战无不胜的 AlphaGo 离不开它的“机械臂”黄博士。如果让 AlphaGo 自己落子,人类胜算想必能提高不少。抓取形状不规则的物品对机器人来说...

3727
来自专栏Android群英传

数据可视化是如何被创造出来的

911
来自专栏WOLFRAM

旋转物体上的增强现实

1545
来自专栏Android 开发者

一文教你预测 app 未来的变现情况

1472
来自专栏机器之心

INTERFACE | 从技术到产品,搜狗为我们解读了神经机器翻译的现状

INTERFACE 分享者:陈伟、李健涛 机器之心报道 参与:李泽南 3 月 12 日,搜狗正式在线上平台发布了「旅行翻译宝」。这款随身翻译设备结合了搜狗神经...

4074
来自专栏媒矿工厂

人工智能赋能流媒体

前言 人工智能(AI)、深度学习和自然语言处理将成为新一代流媒体行业的关键技术。从生产到消费的各个阶段,它们都将产生非常重大的影响。毫无疑问,随着人工智能在许多...

46511
来自专栏大数据文摘

语言处理想突破,三座大山必须过

如果是人类来回答这个问题,即使在情景不明确的情况下也能在快速澄清后给出回答,但对机器来说,除非依赖大量人为制定的规则,回答这样的问题难度堪比“哥德巴赫猜想”。

521
来自专栏数据猿

【每周一本书】之《Java自然语言处理》(附上期赠书活动获奖名单)

【数据猿导读】本书整合基本问题解决更为复杂的NLP问题;训练NLP模型解决特定领域的问题;利用实用指南学习使用各种核心NLP技术 编辑 | abby 官网 | ...

2996
来自专栏PaddlePaddle

深度学习行业中的各类岗位概览

后端(RD)工程师:让算法工程师产出的代码落到业务中,适用于工业调用(比如配置数据库和设定便捷的交互)

1073
来自专栏企鹅号快讯

你了解你的数据吗

0x00 前言 你了解你的数据吗? 前几天突然来了点灵感,想梳理一下自己对数据的理解,因此便有了这篇博客或者说这系列博客来聊聊数据。 数据从业者有很多,比如说数...

22410

扫码关注云+社区