[請益] 請問學習人工智慧的教科書

看板Soft_Job作者 (大佛布魯斯)時間4年前 (2019/06/23 10:05), 4年前編輯推噓24(25推 1噓 32→)
留言58則, 23人參與, 4年前最新討論串1/1
先說一下自己的背景: 1. 碩士的領域是image/video compression 長期(>10年)以來做的都是embedded Linux相關的工作 2. 對人工智慧及deep learning相關的知識有很大的興趣 工作之餘也自學了一些(看了市面上的幾本原文書) 目前對於基本的觀念及操作應該知道一些: downloading data, training data model, testing data model. 3. Computer vision 應該有一些基本的功 看了一些OpenCV的書, 操作過一些案例 一來因為不是computer science/engineering的本科 二來因為過去工作上完全沒有機會用到以驗證所學 自認為還有很多地方不足, 考慮到學校的課程安排應該會比較嚴謹些 因此想試著把學校的學習路程走一次... 不知道有沒有人的碩/博士論文是跟AI/ deep learning相關的, A. 能否建議一下, 哪些書(作者)是基本必讀的? B. 有考慮到台大去旁聽課程, 能建議哪些課? 想利用下半年的時間全力(full-time)補足這個領域 人生的最後階段不想再演了 想做有興趣的事 先感謝各位帥哥美女的建議 祝大家都發大財 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.240.176.246 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1561255554.A.B32.html
→
06/23 10:14, 4年前 , 1F
好奇問motion compensation或慢速攝影應用 還有發展嗎
06/23 10:14, 1F
motion compensation是video encoding/decoding的一部分 video codec是否發展到盡頭? 任何技術都有盡頭的一天. 最後都只是微調, 針對不同的應用去微調. motion compensation牽涉的技術可應用到其他領域 例如, motion object detection. 就學校的教育來看, 它仍然是一個學習的重點. (離題了, 回到主題)
推
06/23 10:46, 4年前 , 2F
Andrew NG、花書
06/23 10:46, 2F
→
06/23 11:02, 4年前 , 3F
....我覺得現在門檻很高.....然後吃學歷也很高 就算是四
06/23 11:02, 3F
→
06/23 11:02, 4年前 , 4F
大碩本科 也不一定十拿九穩吧 何況半年
06/23 11:02, 4F
推
06/23 11:05, 4年前 , 5F
Linux 給技職系統學生就可以做很好，快點换到障碍
06/23 11:05, 5F
我可不敢像你這麼說 XD Linux的ecosystem太廣, 太深...
→
06/23 11:05, 4年前 , 6F
高的ML是對的。PRML 是很好的書。
06/23 11:05, 6F
"Pattern Recognition and Machine Learning" 好像是Bible. Thanks. ※ 編輯: TheLee (111.240.176.246 臺灣), 06/23/2019 11:26:26
→
06/23 11:27, 4年前 , 7F
Cs231n
06/23 11:27, 7F
"CS231n: Convolutional Neural Networks for Visual Recognition". 10週的課程. Thanks ※ 編輯: TheLee (111.240.176.246 臺灣), 06/23/2019 11:41:59
推
06/23 12:00, 4年前 , 8F
Goodfellow 的 Deep learning呀
06/23 12:00, 8F
→
06/23 12:02, 4年前 , 9F
06/23 12:02, 9F
看來規劃的不錯 Thanks
推
06/23 12:09, 4年前 , 10F
Linux太簡單？？黑人問號
06/23 12:09, 10F
推
06/23 12:24, 4年前 , 11F
水管搜尋李宏毅
06/23 12:24, 11F
Thanks 好像是很熱門的選課, 太多人上課 先抓以上三項建議, 聽老外的線上課還可以順便複習英文 ：）
推
06/23 12:51, 4年前 , 12F
說技職就能懂linux是在開玩笑嗎哈哈
06/23 12:51, 12F
※ 編輯: TheLee (111.240.176.246 臺灣), 06/23/2019 13:07:58
推
06/23 14:00, 4年前 , 13F
李宏毅不太建議，VAE,GMM,EM不夠深入或沒教到。
06/23 14:00, 13F
推
06/23 14:02, 4年前 , 14F
Probalistic Model 需要更強大數學背景，值得研究。
06/23 14:02, 14F
說到這裡, 有個問題困擾我很久了... 常聽到有人說"AI這個領域很吃數學" 我自學deep learning到現在, 大概就觀察到下列三項是需要的: Linear Algebra, Probability and Statistics, Calculus(基礎的) 是因為我目前接觸到的還太基本? 就本身EE的背景來看, 電波組或通訊組的數學經歷應該是足夠的 如果對所提到的這三項還可以應付的話, 有其他的數學科目要求嗎?
→
06/23 14:02, 4年前 , 15F
但是常會被打敗而沮喪
06/23 14:02, 15F
推
06/23 14:46, 4年前 , 16F
推李鴻毅，我猜上面是說用linux不難，但想寫出來就是很
06/23 14:46, 16F
→
06/23 14:46, 4年前 , 17F
大的問題了QQ
06/23 14:46, 17F
※ 編輯: TheLee (111.240.176.246 臺灣), 06/23/2019 15:35:43
推
06/23 15:46, 4年前 , 18F
不覺得有多吃數學，我也是理科轉到ML/DL領域
06/23 15:46, 18F
噓
06/23 15:51, 4年前 , 19F
tipsofwarren: Linux 給技職系統學生就可以做很好 ??
06/23 15:51, 19F
→
06/23 15:53, 4年前 , 20F
要看他背景啦，我類EE背景出來的轉ML是0障礙
06/23 15:53, 20F
→
06/23 15:53, 4年前 , 21F
但學linux或os相關就有比較高的門檻要跨
06/23 15:53, 21F
的確, 為了學Linux, 我還特地去看Computer Architecture和Operating System的教科書
推
06/23 16:18, 4年前 , 22F
吃不吃數學也跟領域有關 偏應用類的paper相對容易 反之像
06/23 16:18, 22F
→
06/23 16:18, 4年前 , 23F
ICML一些重推導的paper就會用到在工科系課綱可能不會太注
06/23 16:18, 23F
→
06/23 16:18, 4年前 , 24F
重的數學工具 例如Lp-space、"almost everywhere"的概念
06/23 16:18, 24F
→
06/23 16:18, 4年前 , 25F
，Bayesian的工具例如sampling, variational inference在
06/23 16:18, 25F
→
06/23 16:18, 4年前 , 26F
工學院的機率統計也不見得會碰到
06/23 16:18, 26F
嗯, 大概了解 除非因為要投paper而需要用到特別的理論或演算法之外 只要學如何應用的話, 那三項基礎的數學應該是夠用的吧?
推
06/23 16:28, 4年前 , 27F
不用去旁聽，網路上都有去也只是放影片給你看...
06/23 16:28, 27F
這我有經歷過, 以後也許學生不用去教室上課了...
推
06/23 17:26, 4年前 , 28F
李宏毅的確省略很多數學，但原因是那是一學期的衝深度
06/23 17:26, 28F
→
06/23 17:26, 4年前 , 29F
學習的速成課程啊XD 那可以另外補，對我來說不構成不
06/23 17:26, 29F
→
06/23 17:26, 4年前 , 30F
推薦的原因
06/23 17:26, 30F
必有過人之處才值得你推薦 我會先看他的Youtube, 同語言的學習可能會省些時間 Thaks ※ 編輯: TheLee (111.240.176.246 臺灣), 06/23/2019 17:46:18
推
06/23 17:55, 4年前 , 31F
EDX現在有一門MIT新開的ML 剛開始而已 我正在上所以不知
06/23 17:55, 31F
→
06/23 17:55, 4年前 , 32F
道好不好
06/23 17:55, 32F
感謝提醒, 忘了還有MIT :) 最近在看他們的Algorithm課程, 教的真不錯 http://machinelearning.mit.edu/classes2.html 會試著研究如何跟上所列的課程 此外, 他的"Preparation"剛好也解決了我對於數學要求的疑惑 謝謝各位參與討論! ※ 編輯: TheLee (111.240.176.246 臺灣), 06/23/2019 18:11:17
推
06/23 18:41, 4年前 , 33F
李宏毅 覺得想再深入一點就林軒田
06/23 18:41, 33F
推
06/23 19:55, 4年前 , 34F
這個list提供不少國外課程資源供你參考
06/23 19:55, 34F
→
06/23 19:56, 4年前 , 35F
06/23 19:56, 35F
推
06/24 13:16, 4年前 , 36F
sampling在工科消息評估還是蠻常用到的，小弟碩班是走HM
06/24 13:16, 36F
→
06/24 13:16, 4年前 , 37F
M的研究，所以sampling 都還是要學，反倒是變分推理其
06/24 13:16, 37F
→
06/24 13:16, 4年前 , 38F
實變分推理也是從EM拓展出來的。
06/24 13:16, 38F
→
06/24 13:18, 4年前 , 39F
ML我自己從業那麼久，我反而覺得他還是被框在shnnon的
06/24 13:18, 39F
→
06/24 13:18, 4年前 , 40F
消息理論框架裡面。
06/24 13:18, 40F
推
06/24 21:42, 4年前 , 41F
樓上真強人
06/24 21:42, 41F
推
06/24 22:32, 4年前 , 42F
李宏毅課上完 作業寫一寫 然後找有興趣的paper實作
06/24 22:32, 42F
推
06/24 23:38, 4年前 , 43F
感謝分享
06/24 23:38, 43F
→
06/25 18:51, 4年前 , 44F
李教授的課我自己是會看啦，畢竟這學期的課還是蠻優的，
06/25 18:51, 44F
→
06/25 18:51, 4年前 , 45F
後面介紹很多新模型。畢竟工作以後，真的使用到的模型
06/25 18:51, 45F
→
06/25 18:51, 4年前 , 46F
類型越來越窄，meta那章我自己之前真的了解的就siamese
06/25 18:51, 46F
→
06/25 18:51, 4年前 , 47F
而已，看完教授的課才比較有機會認識幾個比較新的模型。
06/25 18:51, 47F
推
06/25 19:04, 4年前 , 48F
想做nlu的可以去看最新教授transformer、bert那章，不過
06/25 19:04, 48F
→
06/25 19:04, 4年前 , 49F
教授應該也是礙於時間沒有把bert講得很完整，像bert隨
06/25 19:04, 49F
→
06/25 19:04, 4年前 , 50F
機mask，其實是想做denoise autoencoder，這個跟LM模型
06/25 19:04, 50F
→
06/25 19:04, 4年前 , 51F
有承先啟後的關係，要完整從elmo的脈絡一直接下來，最
06/25 19:04, 51F
→
06/25 19:04, 4年前 , 52F
後就是今年剛出來的transformer XL模型。
06/25 19:04, 52F
推
06/26 01:37, 4年前 , 53F
我個人覺得吃不吃數學真的很看你做哪一方面的耶，有些真
06/26 01:37, 53F
→
06/26 01:37, 4年前 , 54F
的數學推導很多，有些真的沒什麼數學
06/26 01:37, 54F
推
06/26 08:11, 4年前 , 55F
google awesome deep learning
06/26 08:11, 55F
推
06/28 11:04, 4年前 , 56F
李宏毅和林軒田，搭配 kaggle 實際練習。
06/28 11:04, 56F
推
06/28 11:06, 4年前 , 57F
基礎有了就多看新的 paper 知道一些新的架構是怎樣設
06/28 11:06, 57F
→
06/28 11:06, 4年前 , 58F
計的，然後自己試著刻看看。
06/28 11:06, 58F
‣ 更多 TheLee 的文章
文章代碼(AID): #1T3jw2io (Soft_Job)