专栏首页奇点大数据人工智能深度学习怎么绕坑

人工智能深度学习怎么绕坑

深度学习作为人工智能领域非常重要的一类技术实现方式,已经是目前大多数以AI为核心研究能力的企业的必修课程了。

我听过很多没有读过研究生或博士课程的同学跟我诉苦,觉得深度学习非常难,感觉没有着手点。那这次我就再上一张思维导图,来给大家做个简单的梳理。

如果想要做一个全面的了解,而只想画花十几个小时的话,那就把深色的部分了解一遍就可以了,至少可以把深度学习可以做的事情在各个领域的实现思路做个原理性了解是没问题的。

深度学习本身基于的科学理论确实比较复杂,比较难。然而并不是没有捷径可以走的,作为一个工程技术人员,通常不需要非常严谨的求证、非常科学的推导,只要求做好落地应用,那么就可以绕开一些不必要的坑。

陷坑一、基础数学

基础数学部分是难,但在应用中涉及到的基础数学非常有限,无非就是导函数、梯度,还有统计学中的方差、统计熵这样的概念就已经可以覆盖大部分的深度学习任务了。

陷坑二、论文

论文也是老大难问题,主要是英文读不懂,还有就是里面所做的推导太复杂。这种问题也好解决,关键抓住整个模型的“输入”、“输出”、“网络结构”、“损失函数”四个重要因素。这几个要素一旦清楚了,那么整个模型的工作原理就很容易了。

陷坑三、落地

落地部分确实是需要一定的工程能力,需要知道在服务器上开发使用哪些常用的Shell命令,哪些常用的Python包环境。这个需要一点时间的积累,没有人是在一开始就全都掌握的,所谓熟能生巧。

把握好这几个点你就不会在学习的过程中感到害怕。

作为入门普及,有几个典型的项目是值得看一看的。

计算机视觉方面:

图像分类、人脸识别、目标识别,都是既典型,又容易理解,而且还有落地价值的项目,作为入门非常合适。

自然语言处理方面:

分词、文章分类、Word to Vector转换(Word2Vec)、命名实体识别(NER)也是非常基础的自然语言处理原则和技巧。了解这些内容之后,你就清楚机器人是如何做垃圾邮件分类的,也会对像顺丰快递那样的自动填单机器人的实现原理了如指掌。通常这个部分从了解概念到明确落地的过程也就是几小时就足够了。

音合成和自动语音识别方面:

这是诸如Siri这类语音处理机器人的基础功能,这部分的深度学习模型除了会遵从前面提到的“输入”、“输出”、“网络结构”、“损失函数”以外,还会涉及到一些传统语音方面用到的工程技术技巧,比如傅里叶变换/逆变换,梅尔倒谱等。不过这些工程技术通常也是被封装好的可供调用的软件包,所以实现起来也不用我们亲自动手。这样落地就容易得多。

深度强化学习方面:

强化学习是比较难的部分,也是传统人工智能所研究的范畴。现在强化学习和深度学习结合到了一起,焕发了新的活力——它也是AlphaGO所基于的技术。深度强化学习旨在训练机器人能够在复杂环境中自己学到一套高质量的行动策略,并最终达成一个我们设定的目标。这是人工智能领域中永恒的研究话题。

生成对抗网络方面:

这是出现最晚的一类深度学习前沿领域研究,它每次训练是两个模型,一个生成模型一个判别模型。在训练中希望两者在对抗中成长——生成模型的生成能力越来越强,判别模型的判别能力越来越强。这类应用目前虽说是非常有趣,不过在真正商用落地的场景中还非常鲜见,主要还是由于还是有太多不成熟的地方,不过大家可以关注它的发展。

当你花了10几个小时了解了这些应用的方向和难度后就可以结合自己的优势和兴趣选择一个方向去深耕了。通常从这个时候开始到最后可以成为一名合格的深度学习工程师需要6个月到12个月的时间,主要视个人的工程经验和学习能力而定,当然工程经验好的人会更占便宜一些。

本文分享自微信公众号 - 智能工场AIWorkshop(qddata),作者:高扬boui

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-04-23

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 机器学习和深度学习的区别

    近来有一些朋友问我,深度学习是不是算机器学习,如果是为什么一定要单拿出来算一个概念,那我在这就说说我的理解。 首先,深度学习确实仍然是依靠机器来做学习的不管是监...

    刀刀老高
  • 机器学习正在成为程序员的必备能力

    2017年人工智能就已经列入了国务院的人工智能发展规划中,人工智能将成为推动中国发展的新生科技力量,并在未来扮演着越来越重要的角色,在这一背景下,机器学习会慢慢...

    刀刀老高
  • 一图尽展视频游戏AI技术,DQN无愧众算法之鼻祖

    如今,将人工智能技术应用到游戏中已经是一个成熟的研究领域,有许多会议和专门的期刊对此进行讨论。来自哥本哈根大学和纽约大学的几位研究人员近期发布的一篇综述文章中,...

    刀刀老高
  • 深度学习如何落地安防应用?

    今年,市场研究&咨询公司GrandViewResearch发布了一份深度学习市场分析报告。报告表明,2016年全球深度学习市场估值为2.72亿美元,其在自动驾驶...

    企鹅号小编
  • 深度学习简述

    作为人工智能领域里最热门的概念,深度学习会在未来对我们的生活产生显著的影响,或许现在已经是了,从 AlphaGo 到 iPhone X 上的人脸识别(FaceI...

    朱晓霞
  • 【重磅】谷歌第二代深度学习系统TensorFlow首次解密(70PDF下载)

    Google资深系统专家Jeff Dean在最近的湾区机器学习大会做了 Large-Scale Deep Learning for Inelligent Com...

    新智元
  • 使用Caicloud TaaS 平台落地深度学习算法实战

    摘要 人工智能与深度学习已经成为一个众所周知的概念,然而如何将深度学习技术落地到具体的业务场景却是一个比较模糊的事情。在本次讲座中,我们将展示如何通过 Caic...

    IT大咖说
  • 深度学习在环境远程遥感中的应用

    本文是关于深度学习在环境远程遥感方面的应用研究进展及面临的挑战。简要介绍由武汉大学张良培教授团队的这篇综述文章。

    bugsuse
  • 两届黑客马拉松冠军:K8S深度学习平台实践经验分享

    ? 内容来源:2017年11月19日,饿了么资深后端工程师江骏在“11.19上海 | K8S Sail!系列技术沙龙”进行《饿了么Docker&K8S实践经验...

    IT大咖说
  • 基于Hadoop集群的大规模分布式深度学习

    前言 在过去的十年里,Yahoo一直持续投资建设和扩展Apache Hadoop集群,到目前为止共有超过4万台服务器和600PB数据分布在19个集群上。正如在2...

    GPUS Lady

扫码关注云+社区

领取腾讯云代金券