0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

一文助你全面理解機(jī)器學(xué)習(xí)

8g3K_AI_Thinker ? 來源:未知 ? 作者:胡薇 ? 2018-07-17 16:04 ? 次閱讀

如果你對人工智能機(jī)器學(xué)習(xí)的理解還不是很清楚,那么本文對你來說將會很有用。我將配合精彩的視頻和文字解說來幫助你全面理解機(jī)器學(xué)習(xí)。

視頻的播放需要一些時間,請耐心看完。如果它們不能激發(fā)你的興趣,那我也沒辦法了。

但是,如果你發(fā)現(xiàn)自己滿懷激情地閱讀完了全文,那么說明你對這個新世界充滿興趣和熱情。后續(xù)的進(jìn)一步發(fā)展就取決你自己了。

▌為何機(jī)器學(xué)習(xí)如此熱門?

人工智能非常炫酷,它能夠幫你玩多種游戲,還能幫助程序員來探索事物的核心運(yùn)行機(jī)理。這很有趣,但是程序員并不總是在 AI 編程方面充滿天賦。早期谷歌 AI 不敵人類玩家讓我們看到了 AI 的局限。

不過,無論怎樣,AI 是一個充滿前景的新事物。你可以教會計算機(jī)玩電子游戲、理解人類語言、甚至識別人和物。這項(xiàng)新技能的概念實(shí)際上很古老,只是最近使用新的稱謂重新走入大眾視野。我所說的正是機(jī)器學(xué)習(xí)。

那么它是如何運(yùn)轉(zhuǎn)的呢?算法并不會像種子的種類一樣多,因此我沒有用育種來比喻它。請看這個短視頻,它從宏觀層面闡述了人工智能的概念。

哇!這個過程的確很瘋狂!新的算法被發(fā)明時,我們?nèi)绾卫斫馑兀窟@里有一個非常強(qiáng)大的視覺 AI,它可以自動通關(guān)超級馬里奧游戲。人類明白如何左右滾動,但是 AI 通過預(yù)測策略來識別滾動簡直太不可思議。

的確令人吃驚,對吧?唯一的問題是我們不知道如何將機(jī)器學(xué)習(xí)與視頻游戲聯(lián)系起來。

幸運(yùn)的是,Elon Musk 已經(jīng)通過一家非盈利公司實(shí)現(xiàn)了這項(xiàng)功能。只需十幾行代碼,你就可以將 AI 和任何游戲聯(lián)系起來。

▌為何使用機(jī)器學(xué)習(xí)?

為什么使用機(jī)器學(xué)習(xí)?我有兩個很好的理由。首先,機(jī)器學(xué)習(xí)正在使計算機(jī)執(zhí)行我們以前從未使計算機(jī)執(zhí)行過的任務(wù)。如果你想要做一些新的事情,不僅是對你而言,即使對于世界而言,你都可以用機(jī)器學(xué)習(xí)來做。其次,如果你不主動影響世界,世界將會影響你。

如今各大公司都在積極投資機(jī)器學(xué)習(xí),我們已經(jīng)看到機(jī)器學(xué)習(xí)在改變世界。思想領(lǐng)袖們警告說,我們不能讓這個算法新時代存在于公眾視野之外。想象一下,一些大企業(yè)控制了互聯(lián)網(wǎng),如果不積極投身其中,我們將被科技拋棄。關(guān)于機(jī)器學(xué)習(xí),我認(rèn)為 Christian Heilmann 說得很好:

「我們可以等待其他人利用機(jī)器學(xué)習(xí)的力量來做一些好事。但是作為我個人來講,我并不想靜觀其變。我想主動投身其中,參與這場革命。當(dāng)然,你也可以!」

▌機(jī)器學(xué)習(xí)的內(nèi)部機(jī)制

機(jī)器學(xué)習(xí)用處很大,我們從很高級的層面對它有了初步的理解,但它內(nèi)部機(jī)制是怎樣,究竟是如何運(yùn)轉(zhuǎn)的呢?

這非??釋Π桑吭撘曨l顯示每個圖層逐漸變得更簡單而不是更復(fù)雜。類似于編程中的方法將數(shù)據(jù)變成小塊,最終以抽象的概念呈現(xiàn)。你可以在這個網(wǎng)站(http://scs.ryerson.ca/~aharley/vis/conv/flat.html)上親自動手來參與這個過程。

你可以看到數(shù)據(jù)經(jīng)歷了一個訓(xùn)練有素的模型,甚至可以看你的神經(jīng)網(wǎng)絡(luò)得到訓(xùn)練。

機(jī)器學(xué)習(xí)的實(shí)際經(jīng)典實(shí)例之一是 1936 年的虹膜數(shù)據(jù)集。在我參加的 JavaFXpert 關(guān)于機(jī)器學(xué)習(xí)的概述中,我學(xué)習(xí)了如何使用其工具來可視化調(diào)整和反向傳播神經(jīng)網(wǎng)絡(luò)上的神經(jīng)元。你可以看著它訓(xùn)練神經(jīng)模型!

圖注:用 Jim 的可視化工具訓(xùn)練虹膜神經(jīng)網(wǎng)絡(luò)

即使你不是 Java 開發(fā)者,Jim 的演講也很適合你,它通過一個半小時的時間介紹機(jī)器學(xué)習(xí)的概念,其中包含了很多上述許多示例的信息。

這些概念令人興奮!你準(zhǔn)備好成為這個新時代的愛因斯坦了嗎?驚喜每時每刻都在發(fā)生,趕緊投身其中吧。

▌如何投入學(xué)習(xí)?

學(xué)習(xí)資源非常豐富。我主要推薦以下兩種方法。

方法 1. 深入學(xué)習(xí)核心算法

如果你想成為機(jī)器學(xué)習(xí)領(lǐng)域的中堅力量,并且深入其中,那么這是你的必經(jīng)之路。

由CSDN聯(lián)合章華燕老師打造出品的《機(jī)器學(xué)習(xí)小咖養(yǎng)成記》精品課來襲,本課程是機(jī)器學(xué)習(xí)的入門且升級課程。本課從機(jī)器學(xué)習(xí)、深度學(xué)習(xí)最基本的原理入手,以模型為基礎(chǔ),以算法與數(shù)學(xué)推導(dǎo)為核心,以算法調(diào)參與應(yīng)用為導(dǎo)向,幫助學(xué)員深度掌握機(jī)器學(xué)習(xí)。13 場系列直播幫助學(xué)員徹底理解每個模型的運(yùn)行原理及工作應(yīng)用。

方法 2. 基于現(xiàn)有的庫開發(fā)應(yīng)用

如果你對編寫算法不感興趣,但你想用它們來創(chuàng)建一個網(wǎng)站或者應(yīng)用程序,那么你應(yīng)該學(xué)習(xí) TensorFlow 或者其他框架。

TensorFlow 是用于機(jī)器學(xué)習(xí)的著名開源軟件庫。你可以用多種方式使用它,甚至可以用 JavaScript。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 人工智能
    +關(guān)注

    關(guān)注

    1789

    文章

    46344

    瀏覽量

    236500
  • 機(jī)器學(xué)習(xí)

    關(guān)注

    66

    文章

    8323

    瀏覽量

    132165

原文標(biāo)題:機(jī)器學(xué)習(xí)無法精通嗎?一文掌握機(jī)器學(xué)習(xí)竅門!

文章出處:【微信號:AI_Thinker,微信公眾號:人工智能頭條】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評論

    相關(guān)推薦

    【「時間序列與機(jī)器學(xué)習(xí)」閱讀體驗(yàn)】時間序列的信息提取

    本章主講時間序列的信息提取,章節(jié)中有許多概念定義和數(shù)學(xué)公式,并配有Python代碼演示,細(xì)細(xì)品讀與理解動手演練,還是很開拓思維視野的。下面以筆記形式進(jìn)行展開。 時間序列的信息提取是時間序列分析的
    發(fā)表于 08-17 21:12

    【《時間序列與機(jī)器學(xué)習(xí)》閱讀體驗(yàn)】+ 時間序列的信息提取

    本人有些機(jī)器學(xué)習(xí)的基礎(chǔ),理解起來點(diǎn)也不輕松,加油。 作者首先說明了時間序列的信息提取是時間序列分析的個重要環(huán)節(jié),目標(biāo)是從給定的時間序列數(shù)
    發(fā)表于 08-14 18:00

    【「時間序列與機(jī)器學(xué)習(xí)」閱讀體驗(yàn)】+ 鳥瞰這本書

    清晰,從時間序列分析的基礎(chǔ)理論出發(fā),逐步深入到機(jī)器學(xué)習(xí)算法在時間序列預(yù)測中的應(yīng)用,內(nèi)容全面,循序漸進(jìn)。每章都經(jīng)過精心設(shè)計,對理論知識進(jìn)行了詳細(xì)的闡述,對實(shí)際案例進(jìn)行了生動的展示,使讀
    發(fā)表于 08-12 11:28

    【「時間序列與機(jī)器學(xué)習(xí)」閱讀體驗(yàn)】+ 簡單建議

    這本書以其系統(tǒng)性的框架和深入淺出的講解,為讀者繪制了幅時間序列分析與機(jī)器學(xué)習(xí)融合應(yīng)用的宏偉藍(lán)圖。作者不僅扎實(shí)地構(gòu)建了時間序列分析的基礎(chǔ)知識,更巧妙地展示了機(jī)器
    發(fā)表于 08-12 11:21

    如何理解機(jī)器學(xué)習(xí)中的訓(xùn)練集、驗(yàn)證集和測試集

    理解機(jī)器學(xué)習(xí)中的訓(xùn)練集、驗(yàn)證集和測試集,是掌握機(jī)器學(xué)習(xí)核心概念和流程的重要步。這三者不僅構(gòu)成了
    的頭像 發(fā)表于 07-10 15:45 ?2286次閱讀

    深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的對比

    在人工智能的浪潮中,機(jī)器學(xué)習(xí)和深度學(xué)習(xí)無疑是兩大核心驅(qū)動力。它們各自以其獨(dú)特的方式推動著技術(shù)的進(jìn)步,為眾多領(lǐng)域帶來了革命性的變化。然而,盡管它們都屬于機(jī)器
    的頭像 發(fā)表于 07-01 11:40 ?941次閱讀

    大語言模型(LLM)快速理解

    自2022年,ChatGPT發(fā)布之后,大語言模型(LargeLanguageModel),簡稱LLM掀起了波狂潮。作為學(xué)習(xí)理解LLM的開始,先來整體理解
    的頭像 發(fā)表于 06-04 08:27 ?786次閱讀
    大語言模型(LLM)快速<b class='flag-5'>理解</b>

    小度發(fā)布首款百度心大模型學(xué)習(xí)機(jī)

    近日,小度科技推出了款基于心大模型的學(xué)習(xí)機(jī)——小度學(xué)習(xí)機(jī)Z30。這款學(xué)習(xí)機(jī)針對學(xué)習(xí)計劃、診斷
    的頭像 發(fā)表于 05-29 09:10 ?647次閱讀

    stm32單片機(jī)學(xué)習(xí)路線

    ARM體系結(jié)構(gòu)和Cortex-M核:STM32是基于ARM Cortex-M核的單片機(jī),了解ARM體系結(jié)構(gòu)和Cortex-M核的特性和架構(gòu)可以幫助你更好地理解STM32的工作原理和特點(diǎn)。 2.選擇
    發(fā)表于 05-10 15:34

    深入探討機(jī)器學(xué)習(xí)的可視化技術(shù)

    機(jī)器學(xué)習(xí)可視化(簡稱ML可視化)般是指通過圖形或交互方式表示機(jī)器學(xué)習(xí)模型、數(shù)據(jù)及其關(guān)系的過程。目標(biāo)是使
    發(fā)表于 04-25 11:17 ?340次閱讀
    深入探討<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>的可視化技術(shù)

    機(jī)器學(xué)習(xí)怎么進(jìn)入人工智能

    人工智能(Artificial Intelligence,AI)是門涉及計算機(jī)、工程、數(shù)學(xué)、哲學(xué)和認(rèn)知科學(xué)等多個領(lǐng)域的交叉學(xué)科,旨在構(gòu)建智能化計算機(jī)系統(tǒng),使之能夠自主感知、理解、學(xué)習(xí)和決策。如今
    的頭像 發(fā)表于 04-04 08:41 ?198次閱讀

    什么是特征工程?機(jī)器學(xué)習(xí)的特征工程詳解解讀

    One-hot 編碼對于用機(jī)器學(xué)習(xí)模型能夠理解的簡單數(shù)字?jǐn)?shù)據(jù)替換分類數(shù)據(jù)很有用。
    發(fā)表于 12-28 17:14 ?271次閱讀
    什么是特征工程?<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>的特征工程詳解解讀

    詳解機(jī)器學(xué)習(xí)中的梯度提升機(jī)

    AdaBoost(自適應(yīng)增強(qiáng))是機(jī)器學(xué)習(xí)歷史上第個將各種弱分類器組合成單個強(qiáng)分類器的增強(qiáng)算法。它主要致力于解決二元分類等分類任務(wù)。
    發(fā)表于 12-19 14:24 ?1079次閱讀
    <b class='flag-5'>一</b><b class='flag-5'>文</b>詳解<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>中的梯度提升機(jī)

    全面總結(jié)機(jī)器學(xué)習(xí)中的優(yōu)化算法

    幾乎所有的機(jī)器學(xué)習(xí)算法最后都?xì)w結(jié)為求個目標(biāo)函數(shù)的極值,即最優(yōu)化問題,例如對于有監(jiān)督學(xué)習(xí),我們要找到個最佳的映射函數(shù)f (x),使得對訓(xùn)練
    發(fā)表于 11-02 10:18 ?380次閱讀
    <b class='flag-5'>全面</b>總結(jié)<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>中的優(yōu)化算法

    NNI:自動幫你做機(jī)器學(xué)習(xí)調(diào)參的神器

    NNI 自動機(jī)器學(xué)習(xí)調(diào)參,是微軟開源的又個神器,它能幫助你找到最好的神經(jīng)網(wǎng)絡(luò)架構(gòu)或超參數(shù),支持 各種訓(xùn)練環(huán)境 。 它常用的 使用場景 如下: 想要在自己的代碼、模型中試驗(yàn) 不同的
    的頭像 發(fā)表于 10-30 10:28 ?2234次閱讀
    NNI:自動幫你做<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>調(diào)參的神器