[心得] 人工智慧新手筆記
代po
關於AI人工智慧(或者說機器學習)我不是甚麼專家,應該說我是外系(電資學院)因為好奇
所以才開始學習這個領域的。每個人的對新的東西學習方式不同,但對一些不知道要從哪
裡著手的初學者或許可以參考一下我剛開始學習的切入方式。最開始我決定去修台大一堂
李宏毅老師開的機器學習的課,這門課的特色是用很淺顯易懂的方式去介紹這個領域,所
以數學的部分會少一點。每學期大約400人修課,而且來自各個系所,老師也把上課內容
全部公開在youtube上,下面是這門課的連結。
https://goo.gl/y8t31F
因為這堂課以實作為主,所以當初修的時候要邊上課邊寫code,怕忘記所以還花了點時間
對youtube公開課程整理了簡易筆記,下面是筆記的連結。
https://goo.gl/snybe8
修課的學生來自各個系所,我覺得不是因為這是一個新的領域,而是因為這個領域在近幾
年有不少新的重大突破,而且快速的正在影響各個領域的產業。同意有人說不管哪個領域
都要學些AI的知識,不過對於不同領域可以用不同方式去學習,下面僅只是一些我個人的
看法。
非工程相關背景
如果是非工程相關背景可以參考下面的見解。在之前一場微軟舉辦的演講有講者提到:「
現在機器學習正在影響各個領域,對於一家公司來說,新技術的出現代表著管理階層的秩
序需要因應而有所改變。」所以我覺得非工程背景也可以了解下這個領域,也許不一定要
會寫code。建議只需花不到一個禮拜的時間把上面youtube連結的前幾堂課程大概看過就
可以了。這樣至少會知道為什麼要train model、為什麼要很多data、為什麼training那
麼花時間、甚麼是深度學習...等,這樣也比較不會跟著大家一起喊人工智慧卻不知道那
個東西到底是指甚麼。另外,可以加一些FB的社團,這裡推薦:台灣「人工智慧」社團,
這是個最近很活躍的社團,常常會有些業界人工智慧的新應用、產業發展趨勢...等等的
文章出現。
工程相關背景
如果是工程相關背景可以參考下面的見解。其實要介紹的大概就是李宏毅老師上課用的一
些tool,所以如果是李宏毅的學生可以直接略過下面XD。我覺得一開始可以先學一些深度
學習(deep learning)的套件好比說Keras,他是一個建立在Theano或Tensorflow上層的
API,語法簡單,適合初學者。如果想去做一些更底層的更動可以再去了解Theano或
Tensorflow,因為常常在Github上要用別人的code才發現都是用Tensorflow寫的。此外,
因為這些東西大多是用Python的語法,所以可以花些時間了解一下Python。下面是我針對
Python的語法整理的筆記,語法可能會因為改版更動,所以可能要自己實際執行看看喔。
https://goo.gl/snybe8
另外,我覺得可以了解Kaggle,它是一個數據分析的競賽平台。李宏毅老師就是用Kaggle
這個平台讓大家寫自己的code,對我來說蠻有用的。因為看到自己在Kaggle上的排名一直
往上爬就會有股衝動想要找更好的演算法讓排名繼續往前!也因為Kaggle讓我願意上網找
一些近幾年的paper看看其他人對於這個問題的解決方法等等。希望有興趣的人能養成讀
paper的習慣,因為這個領域不斷有新的東西,而新東西只會出現在paper裡而不是教科書
上。而且如果要找paper的話能找在Github上有code的會更好,這樣可以直接實作驗證看
看。推薦一個網站給大家,裡面彙整了機器學習中每個部份的重要paper。
https://goo.gl/3xEN7T
另外,我覺得可以加一些FB的社團,這裡推薦:台灣「人工智慧」社團,這是個最近很活
躍的社團,常常會有些新演算法的paper、讀書會、人工智慧硬體晶片的新突破...等等的
文章。最後,對於外系來說,我覺得這個領域其實不用學的太深,因為很多東西都已經被
內建好了,也有不少人性化的雲端訓練平台例如: Microsoft Azure、Google AutoML...
等等。反而比較重要的應該是想想如何用自己領域的專業知識(Domain Knowledge)結合人
工智慧找出現在還沒有人想到的新應用然後馬上付諸行動!
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 223.136.238.119
※ 文章網址: https://www.ptt.cc/bbs/graduate/M.1536667074.A.0D3.html
→
09/11 20:10,
5年前
, 1F
09/11 20:10, 1F
推
09/11 20:17,
5年前
, 2F
09/11 20:17, 2F
推
09/11 20:46,
5年前
, 3F
09/11 20:46, 3F
推
09/11 21:17,
5年前
, 4F
09/11 21:17, 4F
→
09/11 21:21,
5年前
, 5F
09/11 21:21, 5F
→
09/11 21:38,
5年前
, 6F
09/11 21:38, 6F
推
09/11 22:15,
5年前
, 7F
09/11 22:15, 7F
推
09/11 22:33,
5年前
, 8F
09/11 22:33, 8F
推
09/11 22:46,
5年前
, 9F
09/11 22:46, 9F
※ 編輯: H2SO4 (223.137.55.205), 09/11/2018 23:17:22
推
09/11 23:56,
5年前
, 10F
09/11 23:56, 10F
→
09/12 00:29,
5年前
, 11F
09/12 00:29, 11F
推
09/12 00:48,
5年前
, 12F
09/12 00:48, 12F
推
09/12 01:06,
5年前
, 13F
09/12 01:06, 13F
→
09/12 09:30,
5年前
, 14F
09/12 09:30, 14F
→
09/12 11:47,
5年前
, 15F
09/12 11:47, 15F
→
09/12 12:25,
5年前
, 16F
09/12 12:25, 16F
推
09/12 12:30,
5年前
, 17F
09/12 12:30, 17F
推
09/12 13:29,
5年前
, 18F
09/12 13:29, 18F
推
09/12 13:29,
5年前
, 19F
09/12 13:29, 19F
推
09/12 16:46,
5年前
, 20F
09/12 16:46, 20F
推
09/12 17:01,
5年前
, 21F
09/12 17:01, 21F
推
09/12 18:42,
5年前
, 22F
09/12 18:42, 22F
推
09/12 22:58,
5年前
, 23F
09/12 22:58, 23F
推
09/13 00:06,
5年前
, 24F
09/13 00:06, 24F
推
09/13 00:19,
5年前
, 25F
09/13 00:19, 25F
→
09/13 16:49,
5年前
, 26F
09/13 16:49, 26F
推
09/13 17:24,
5年前
, 27F
09/13 17:24, 27F
推
09/13 22:25,
5年前
, 28F
09/13 22:25, 28F
→
09/13 23:58,
5年前
, 29F
09/13 23:58, 29F
推
09/14 08:43,
5年前
, 30F
09/14 08:43, 30F
推
09/14 18:23,
5年前
, 31F
09/14 18:23, 31F
推
09/15 02:36,
5年前
, 32F
09/15 02:36, 32F
推
09/15 22:29,
5年前
, 33F
09/15 22:29, 33F
推
09/16 05:45,
5年前
, 34F
09/16 05:45, 34F
推
09/17 18:14,
5年前
, 35F
09/17 18:14, 35F
推
09/18 17:03,
5年前
, 36F
09/18 17:03, 36F
推
09/21 21:25,
5年前
, 37F
09/21 21:25, 37F
推
09/23 16:25,
5年前
, 38F
09/23 16:25, 38F