Re: [請益] deep learning怎麼學習?
※ 引述《beaprayguy (小羊快跑啊)》之銘言:
: 最近被deepmind的AI震驚
: AI最核心部分是deep learning
: 閱讀文獻得知,deep learning
: 是透過artificial neural network
: 透過一層一層neuron堆疊,得到一個output
: 若想自學要從哪一方面進入,若相關職缺基礎門檻是什麼。
你好,想要入手 DL,建議先從感知機(perceptron)入手。
感知機是所有類神經網路的單細胞,先讀懂這個才不會覺得門檻太高。
反過來說,連這個讀不懂,那就要再審慎評估自己適不適合機器學習?
perceptron 是最基本的線性機器學習模型,所有機器學習的課本都會講到,
包括田神的書。不過田神的書比較難讀啦,有很多嚴謹的證明。
我自己是從 pattern recognition 入門機器學習的。
實踐是檢驗的最好方法,找一個能一刀畫開的兩類 2D dataset,
你的目標就是找程式自動將他們劃開,這也是機器學習的目標。
逼自己忍住工具的誘惑,不用任何函式庫,用你最熟悉的程式語言自行硬幹 perceptron。
讀理論、實作、讀理論、修改實作、讀理論、再修改實作、讀理論、再繼續修改實作,
如此不斷循環,直到你的 perceptron 程式可以自動找出一類一邊的正確直線為止,
恭喜你!取得了搞懂類神經網路的第一個里程碑!
接下來就推廣到 MLP 以及如何用 back-propagation 收斂,搞懂了就不怕類神經網路,
不過那又是另外一個坑了..
---
阿?那要什麼時候才可以開始學習 Deep Learning 呢?
等你發現傳統 MLP 層數加多也沒什麼屁用的時候,那就是學習 DL 的開始惹。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.233.52.77
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1501344683.A.644.html
※ 編輯: deo2000 (36.233.52.77), 07/30/2017 00:22:24
→
07/30 00:27, , 1F
07/30 00:27, 1F
→
07/30 00:27, , 2F
07/30 00:27, 2F
→
07/30 00:28, , 3F
07/30 00:28, 3F
→
07/30 00:29, , 4F
07/30 00:29, 4F
那本書出來的時候 NN 還沒有這麼紅,主角還是 SVM 與 cascade。
※ 編輯: deo2000 (36.233.52.77), 07/30/2017 00:33:10
→
07/30 00:49, , 5F
07/30 00:49, 5F
→
07/30 00:49, , 6F
07/30 00:49, 6F
你說的 NN 有用試圖平均 margin 嗎?
我認為 NN 應該要用 Hinge Loss Function 才能和 SVM 公平比較
※ 編輯: deo2000 (36.233.52.77), 07/30/2017 01:13:13
→
07/30 02:55, , 7F
07/30 02:55, 7F
推
07/30 03:22, , 8F
07/30 03:22, 8F
推
07/30 10:22, , 9F
07/30 10:22, 9F
→
07/31 02:49, , 10F
07/31 02:49, 10F
→
07/31 02:49, , 11F
07/31 02:49, 11F
我如果寫到大家都看得懂,那應該有 10 倍以上篇幅,都可以當成專欄文章了。
不是我不想寫,但是這樣的文章應該沒多少人有耐心看,直接 end...
→
07/31 07:25, , 12F
07/31 07:25, 12F
→
07/31 07:26, , 13F
07/31 07:26, 13F
感謝回饋~
※ 編輯: deo2000 (125.227.205.43), 07/31/2017 10:42:30
推
08/01 19:04, , 14F
08/01 19:04, 14F
→
08/01 19:04, , 15F
08/01 19:04, 15F
→
08/02 11:46, , 16F
08/02 11:46, 16F
推
08/02 14:42, , 17F
08/02 14:42, 17F
推
08/10 02:32, , 18F
08/10 02:32, 18F
討論串 (同標題文章)
本文引述了以下文章的的內容:
完整討論串 (本文為第 2 之 3 篇):