Μηχανική εκμάθηση: πώς να πάτε από το μηδέν στον ήρωα

Ξεκινήστε με το "Γιατί;" και τελειώστε με "Είμαι έτοιμος!"

Εάν η κατανόησή σας για την τεχνητή νοημοσύνη και τη μηχανική εκμάθηση είναι ένα μεγάλο ερωτηματικό, τότε αυτή είναι η ανάρτηση ιστολογίου για εσάς. Εδώ, αυξάνω σταδιακά το Awesomenessicity ™ κολλώντας εμπνευσμένα βίντεο μαζί με φιλικό κείμενο.

Καθίστε και χαλαρώστε. Αυτά τα βίντεο χρειάζονται χρόνο και αν δεν σας εμπνέουν για να συνεχίσετε στην επόμενη ενότητα, αρκετά δίκαιη.

Ωστόσο, εάν βρεθείτε στο κάτω μέρος αυτού του άρθρου, θα έχετε κερδίσει τη σωστή γνώση και το πάθος σας για αυτόν τον νέο κόσμο. Από όπου πηγαίνετε από εκεί εξαρτάται από εσάς.

Κατανόηση γιατί η μηχανική εκμάθηση είναι τόσο καυτή τώρα

Η τεχνητή νοημοσύνη ήταν πάντα δροσερή, από τη μετακίνηση ενός κουπιού στο Πονγκ έως τον φωτισμό με συνδυασμούς στο Street Fighter.

Το AI πάντα περιστρέφεται γύρω από τη λειτουργική εικασία ενός προγραμματιστή για το πώς πρέπει να συμπεριφέρεται κάτι. Διασκεδαστικό, αλλά οι προγραμματιστές δεν είναι πάντα προικισμένοι στον προγραμματισμό AI όπως βλέπουμε συχνά. Ακριβώς το Google "επικό παιχνίδι αποτυγχάνει" για να δει δυσλειτουργίες στο AI, τη φυσική, και μερικές φορές ακόμη και έμπειρους ανθρώπινους παίκτες.

Ανεξάρτητα, το AI έχει ένα νέο ταλέντο. Μπορείτε να διδάξετε έναν υπολογιστή να παίζει βιντεοπαιχνίδια, να κατανοήσει τη γλώσσα και ακόμη και πώς να αναγνωρίσει άτομα ή πράγματα. Αυτή η νέα δεξιότητα του παγόβουνου προέρχεται από μια παλιά ιδέα που μόλις πρόσφατα είχε τη δύναμη επεξεργασίας να υπάρχει εκτός της θεωρίας.

Μιλώ για Μηχανική Εκμάθηση .

Δεν χρειάζεται πλέον να βρείτε προηγμένους αλγόριθμους. Απλά πρέπει να διδάξετε έναν υπολογιστή για να δημιουργήσει τον δικό του προηγμένο αλγόριθμο.

Πώς λειτουργεί λοιπόν κάτι τέτοιο; Ένας αλγόριθμος δεν γράφεται πραγματικά όσο είναι… αναπαράγεται. Δεν χρησιμοποιώ αναπαραγωγή ως αναλογία. Παρακολουθήστε αυτό το σύντομο βίντεο, το οποίο δίνει εξαιρετικό σχόλιο και κινούμενα σχέδια στην έννοια υψηλού επιπέδου της δημιουργίας AI

Ουάου! Σωστά?Αυτή είναι μια τρελή διαδικασία!

Τώρα πώς είναι ότι δεν μπορούμε καν να καταλάβουμε τον αλγόριθμο όταν τελειώσει; Ένα υπέροχο οπτικό ήταν όταν γράφτηκε το AI για να νικήσει τα παιχνίδια Mario. Ως άνθρωπος, όλοι καταλαβαίνουμε πώς να παίξουμε ένα side-scroller, αλλά ο εντοπισμός της προγνωστικής στρατηγικής του προκύπτοντος AI είναι τρελός.

Εντυπωσιάστηκε; Υπάρχει κάτι καταπληκτικό για αυτήν την ιδέα, σωστά; Το μόνο πρόβλημα είναι ότι δεν γνωρίζουμε τη Μηχανική Εκμάθηση και δεν ξέρουμε πώς να το συνδέσουμε με τα βιντεοπαιχνίδια.

Ευτυχώς για εσάς, η Elon Musk παρείχε ήδη μια μη κερδοσκοπική εταιρεία για να κάνει το τελευταίο. Ναι, σε δώδεκα γραμμές κώδικα μπορείτε να συνδέσετε οποιοδήποτε AI θέλετε σε αμέτρητα παιχνίδια / εργασίες! Δείτε το στη δράση!

Γιατί πρέπει να χρησιμοποιήσετε τη μηχανική εκμάθηση;

Έχω δύο καλές απαντήσεις για το γιατί πρέπει να νοιάζεστε. Πρώτον, η Μηχανική Εκμάθηση (ML) κάνει τους υπολογιστές να κάνουν πράγματα που ποτέ δεν κάναμε οι υπολογιστές να κάνουν. Εάν θέλετε να κάνετε κάτι νέο, όχι μόνο νέο για εσάς, αλλά και για τον κόσμο, μπορείτε να το κάνετε με το ML.

Δεύτερον, εάν δεν επηρεάζετε τον κόσμο, ο κόσμος θα σας επηρεάσει.

Αυτήν τη στιγμή σημαντικές εταιρείες επενδύουν σε ML και ήδη βλέπουμε να αλλάζει τον κόσμο. Οι ηγέτες της σκέψης προειδοποιούν ότι δεν μπορούμε να αφήσουμε αυτή τη νέα εποχή αλγορίθμων να υπάρχει έξω από το κοινό. Φανταστείτε εάν μερικοί εταιρικοί μονόλιθοι ελέγχουν το Διαδίκτυο. Εάν δεν πάρουμε όπλα, η επιστήμη δεν θα είναι δική μας. Νομίζω ότι ο Christian Heilmann το είπε καλύτερα στην ομιλία του στο ML.

«Μπορούμε να ελπίζουμε ότι άλλοι χρησιμοποιούν αυτήν τη δύναμη μόνο για το καλό. Εγώ - για ένα, δεν το θεωρώ καλό στοίχημα. Θα προτιμούσα να παίξω και να είμαι μέρος αυτής της επανάστασης. Και έτσι μπορείτε. "

Εντάξει, τώρα ενδιαφέρομαι…

Η ιδέα είναι χρήσιμη και δροσερή. Το καταλαβαίνουμε σε υψηλό επίπεδο, αλλά τι πραγματικά συμβαίνει; Πως λειτουργεί αυτό?

Εάν θέλετε να μεταβείτε κατευθείαν μέσα, σας προτείνω να παραλείψετε αυτήν την ενότητα και να προχωρήσετε στην επόμενη ενότητα "Πώς μπορώ να ξεκινήσω". Εάν έχετε κίνητρο να γίνετε DOer στο ML, δεν θα χρειαστείτε αυτά τα βίντεο.

Εάν εξακολουθείτε να προσπαθείτε να καταλάβετε πώς αυτό θα μπορούσε να είναι ακόμη ένα πράγμα, το ακόλουθο βίντεο είναι ιδανικό για να σας καθοδηγήσει στη λογική, χρησιμοποιώντας το κλασικό πρόβλημα χειρόγραφου ML.

Πολύ ωραίο ε; Αυτό το βίντεο δείχνει ότι κάθε επίπεδο γίνεται πιο απλό και όχι πιο περίπλοκο. Όπως η συνάρτηση μασάει δεδομένα σε μικρότερα κομμάτια που καταλήγουν σε μια αφηρημένη ιδέα. Μπορείτε να λερώσετε τα χέρια σας όταν αλληλεπιδράτε με αυτήν τη διαδικασία σε αυτόν τον ιστότοπο (από τον Adam Harley).

Είναι εντυπωσιακά τα δεδομένα παρακολούθησης μέσω ενός εκπαιδευμένου μοντέλου, αλλά μπορείτε ακόμη και να παρακολουθήσετε το νευρωνικό σας δίκτυο να εκπαιδεύεται

Ένα από τα κλασικά πραγματικά παραδείγματα της μηχανικής μάθησης σε δράση είναι το σύνολο δεδομένων ίριδας από το 1936. Σε μια παρουσίαση που παρακολούθησα την επισκόπηση του JavaFXpert σχετικά με τη μηχανική εκμάθηση, έμαθα πώς μπορείτε να χρησιμοποιήσετε το εργαλείο του για να οπτικοποιήσετε την προσαρμογή και την οπίσθια διάδοση των βαρών στους νευρώνες σε ένα νευρικό δίκτυο. Θα το παρακολουθήσετε να εκπαιδεύει το νευρικό μοντέλο

Ακόμα κι αν δεν είστε λάτρεις της Java, η παρουσίαση που δίνει ο Jim σε όλα τα πράγματα Η Μηχανική Εκμάθηση είναι μια πολύ δροσερή εισαγωγή 1,5+ ώρας στις έννοιες ML, η οποία περιλαμβάνει περισσότερες πληροφορίες για πολλά από τα παραπάνω παραδείγματα.

Αυτές οι έννοιες είναι συναρπαστικές! Είστε έτοιμοι να γίνετε ο Αϊνστάιν αυτής της νέας εποχής; Σημαντικές ανακαλύψεις γίνονται καθημερινά, οπότε ξεκινήστε τώρα.

Πώς μπορώ να ξεκινήσω;

Υπάρχουν πολλοί διαθέσιμοι πόροι. Κατ 'αρχάς, θα πρέπει να εγγραφείτε σε ορισμένα ενημερωτικά δελτία / λογαριασμούς twitter για να διατηρήσετε το προσωπικό hype τρένο. Ξεκίνησα αυτό!

Fun Machine Learning (@FunMachineLearn) | Κελάδημα

Τα τελευταία Tweets από Fun Machine Learning (@FunMachineLearn). Όχι για τους λάτρεις της μηχανικής μάθησης. Απολαύστε την ομορφιά και… twitter.com

Αν θέλετε κάποιες πιο έννοιες υψηλού επιπέδου, σας προτείνω να ακολουθήσετε το μη τεχνικό μάθημα AI για όλους στο Coursera. Αυτό θα πάρει κάποια ορολογία και παραδείγματα στον εγκέφαλό σας καθώς προχωράτε στην περιπέτεια.

Όσον αφορά τη «σε βάθος μάθηση», θα προτείνω δύο προσεγγίσεις.

Παξιμάδια και μπουλόνια

Σε αυτήν την προσέγγιση, θα κατανοήσετε τη Μηχανική Εκμάθηση μέχρι τους αλγόριθμους και τα μαθηματικά. Ξέρω ότι με αυτόν τον τρόπο ακούγεται δύσκολο, αλλά πόσο ωραίο θα ήταν να μπείτε πραγματικά στις λεπτομέρειες και να κωδικοποιήσετε αυτά τα πράγματα από το μηδέν!

Εάν θέλετε να είστε μια δύναμη στο ML, και να κρατήσετε τη δική σας σε βαθιές συνομιλίες, τότε αυτή είναι η διαδρομή για εσάς.

Σας προτείνω να δοκιμάσετε την εφαρμογή του Brilliant.org (πάντα ιδανική για κάθε λάτρη της επιστήμης) και να παρακολουθήσετε το μάθημα του Artificial Neural Network. Αυτό το μάθημα δεν έχει χρονικά όρια και σας βοηθά να μάθετε ML ενώ σκοτώνετε χρόνο στο τηλέφωνό σας.

Αυτό κοστίζει χρήματα μετά το Επίπεδο 1.

Συνδυάστε τα παραπάνω με ταυτόχρονη εγγραφή στο μάθημα του Andrew Ng στο Στάνφορντ «Μηχανική μάθηση σε 11 εβδομάδες». Αυτή είναι η πορεία που πρότεινε ο Jim Weaver στο παραπάνω βίντεο. Είχα επίσης προτείνει αυτό το μάθημα ανεξάρτητα από τη Jen Looper.

Ο καθένας παρέχει μια προειδοποίηση ότι αυτό το μάθημα είναι δύσκολο. Για μερικούς από εσάς αυτό είναι ένα ανασταλτικό σόου, αλλά για άλλους, γι 'αυτό θα το κάνετε και θα συλλέξετε ένα πιστοποιητικό που λέει ότι το κάνατε.

Αυτό το μάθημα είναι 100% δωρεάν. Πρέπει να πληρώσετε μόνο για ένα πιστοποιητικό εάν θέλετε.

Με αυτά τα δύο μαθήματα, θα έχετε πολύ δουλειά να κάνετε. Ο καθένας θα πρέπει να εντυπωσιαστεί αν το πετύχετε γιατί δεν είναι απλό.

Αλλά περισσότερο, αν το πετύχετε, θα έχετε μια βαθιά κατανόηση της εφαρμογής της Μηχανικής Μάθησης που θα σας οδηγήσει στην εφαρμογή με επιτυχία με νέους και παγκόσμιους τρόπους.

Οδηγός ταχύτητας

Εάν δεν σας ενδιαφέρει να γράψετε τους αλγόριθμους, αλλά θέλετε να τους χρησιμοποιήσετε για να δημιουργήσετε τον επόμενο συναρπαστικό ιστότοπο / εφαρμογή, θα πρέπει να μεταβείτε στο TensorFlow και στην πορεία του crash.

Το TensorFlow είναι η de facto ανοιχτή βιβλιοθήκη λογισμικού για μηχανική μάθηση. Μπορεί να χρησιμοποιηθεί με αμέτρητους τρόπους και ακόμη και με JavaScript. Εδώ είναι ένα μάθημα συντριβής.

Μπορείτε να βρείτε πολλές περισσότερες πληροφορίες σχετικά με τα διαθέσιμα μαθήματα και τις βαθμολογίες εδώ.

Εάν το μάθημα δεν είναι το στυλ σας, είστε ακόμα στην τύχη. Δεν χρειάζεται να μάθετε το καλό της ML για να το χρησιμοποιήσετε σήμερα. Μπορείτε να αξιοποιήσετε αποτελεσματικά το ML ως υπηρεσία με πολλούς τρόπους με τεχνολογικούς γίγαντες που διαθέτουν έτοιμα εκπαιδευμένα μοντέλα.

Θα σας προειδοποιούσα ακόμη ότι δεν υπάρχει καμία εγγύηση ότι τα δεδομένα σας είναι ασφαλή ή ακόμη και δικά σας, αλλά οι προσφορές υπηρεσιών για ML είναι αρκετά ελκυστικές!

Η χρήση μιας υπηρεσίας ML μπορεί να είναι η καλύτερη λύση για εσάς εάν είστε ενθουσιασμένοι και μπορείτε να ανεβάσετε τα δεδομένα σας στο Amazon / Microsoft / Google. Μου αρέσει να σκέφτομαι αυτές τις υπηρεσίες ως φάρμακο εισόδου στο προηγμένο ML Σε κάθε περίπτωση, είναι καλό να ξεκινήσετε τώρα.

ΕΝΗΜΕΡΩΣΕΙΣ!

Δημιούργησα μια εισαγωγή 5 ημερών στο μίνι μάθημα AI !!!

//academy.infinite.red/p/ai-demystified-free-5-day-mini-course

Εδώ είναι μερικά φοβερά μαθήματα που έχω βρει, τα οποία πρέπει να δείτε

  • Εκπαιδευτικά προγράμματα BrainJS - Neural Nets in JS
  • TensorFlow σεμινάρια κώδικα + βίντεο
  • Μάθημα Deep Learning Ocean - Kickstarter

Ας γίνουμε δημιουργοί

Πρέπει να πω ευχαριστώ σε όλους τους προαναφερθέντες ανθρώπους και βίντεο. Ήταν η έμπνευσή μου για να ξεκινήσω, και παρόλο που είμαι ακόμα αρχάριος στον κόσμο των ML, χαίρομαι που ανάβω το δρόμο για τους άλλους καθώς αγκαλιάζουμε αυτήν την εκπληκτική εποχή που βρισκόμαστε.

Είναι επιτακτική ανάγκη να προσεγγίσετε και να επικοινωνήσετε με άτομα εάν συνεχίσετε να μαθαίνετε αυτό το σκάφος. Χωρίς φιλικά πρόσωπα, απαντήσεις και ηχεία, οτιδήποτε μπορεί να είναι δύσκολο. Το να μπορείς να ζητήσεις και να λαμβάνεις απάντηση είναι ένα παιχνίδι αλλαγής. Προσθέστε με και προσθέστε τα άτομα που αναφέρονται παραπάνω. Οι φιλικοί άνθρωποι με φιλικές συμβουλές βοηθούν!

Βλέπω?

Σούπερ κοινό! Idk τι σημαίνει το είδος κελύφους εκμάθησης; Αλλά ναι, καλό να ξέρετε, να αναγνωρίσετε και να μετριάσετε

- Jennifer (@sugargreenbean) 8 Απριλίου 2018

Ελπίζω ότι αυτό το άρθρο έχει εμπνεύσει εσάς και τους γύρω σας να μάθουν ML! Θα ήθελα επίσης να συμμετάσχετε μαζί μου στην εύρεση δροσερού και διασκεδαστικού κώδικα ML. Αστέρι, παρακολουθήστε και συνεισφέρετε στο repo μου εδώ: //github.com/GantMan/fun-machine-learing

Έχετε ένα λεπτό; Δείτε μερικές από τις αναρτήσεις μου:

  • Αλληλεγγύη - Το CLI για Sanity για προγραμματιστές
  • 5 πράγματα που απορροφούν για την απομακρυσμένη εργασία