機器學習知識體系 (強烈推薦)
隨著2016年Alpha Go在圍棋擊敗李世石,2017年初卡內基梅隆大學人工智慧系統Libratus在長達20天的鏖戰中,打敗4名世界頂級德州撲克玩家,這標誌著人工智慧技術又達到了一個新的高峰。
人工智慧已經不再是在各大公司幕後提供各種智慧推薦、語音識別演算法的工具,它已經慢慢走向臺前進入到平常百姓的視野之中。
曾經有人描述人工智慧就向一列緩緩開向人們的火車,一開始非常遙遠而且看起來非常緩慢,它慢慢接近,直到人們清楚看到它的時候,它已經呼嘯而過,把人遠遠拋在身後。現在似乎就是人們可以遠遠看到人工智慧的時候,它已經發展數十年,但直到最近才引起廣泛注意,隨著大資料的積累、演算法的改進、硬體的提升,人工智慧可以在很多細分的領域成為專家,輔助人類甚至超過人類。
接觸一個領域的第一步是儘快的瞭解全貌並且搭建出相應的知識體系。大致提綱如下(後續不斷補充):
線性代數、微積分
在整個機器學習過程中涉及大量矩陣運算和微積分導數的概念,因此建議初學者至少要有較為紮實的數學基礎,對矩陣和微積分的概念瞭解比較清楚。否則在一些公式推導過程中會遇到較大障礙,而不斷反覆回來複習數學知識。
Python/R/Java/Matlab
Python已經成為機器學習的第一語言,至於為什麼知乎(https://www.zhihu.com/question/30105838?sort=created)中有非常不錯的解釋。眾多機器學習的框架都支援PythonAPI,所以學習機器學習,Python語言語法估計是繞不過去。
Linearregression
Logisticregression
Neuralnetwork
SVM
監督學習指的是人們給機器一大堆標記好的資料,比如一大堆照片,標記出哪些是貓的照片,哪些不是,然後讓機器自己學習歸納出演算法,可以判斷出其他照片是否是貓。目前這個領域演算法代表:
Linearregression,Logisticregression,Neuralnetwork,SVM等等。
K-means
PCA
Anomalydetection
非監督學習指的就是人們給機器一大堆沒有標記的資料,讓機器可以對資料進行分類、檢測異常等。
Recommendsystem
Largescalemachinelearningapplication
一些特殊演算法,例如推薦系統。常用於購物網站,可以根據你的過往購物或評分情況,來向你推薦商品。
Bias/vairance
Regulation
Learningcurve
Erroranalysis
Cellinganalysis
機器學習的建議,包含引數正則化、學習曲線、錯誤分析、調參等。
NeuralNetwotk
深度學習是近期機器學習的一個熱門分支,模擬人類大腦的思維方式,可以極大的提高正確率,是近來機器學習的一個非常大的突破。
TensorFlow/Theano/Keras
很多大廠就開源了一些機器學習的框架,基於這些框架可以很容易搭建機器學習的平臺。
Github上面有一份非常詳盡的學習路徑(https://github.com/JustFollowUs/Machine-Learning)
我個人推薦的幾個經典資料:
AndrewNG的Coursera的機器學習入門(https://www.coursera.org/learn/machine-learning):這個教程非常適合初學者,沒有很高深的數學推導,Andrew也是業內大牛但非常謙遜,講解非常淺顯易懂。
周志平的機器學習(https://book.douban.com/subject/26708119/):號稱最好的中文機器學習入門,這裡有對這本書的詳細評(https://www.zhihu.com/question/39945249)。
幾本經典著作:AnIntroductiontoStatisticalLearning,PatternRecognitionandMachineLearning,TheElementsofStatisticalLearning
NeuralNetworksandDeepLearning:MichaelNielsen用非常淺顯易懂的方式介紹了神經網路和深度學習,並且提供了一個手寫數字識別的例子,非常適合入門。
UFLDLTutorialIUFLDLTutorialII:AndrewNG主導的DeepLearning的學習資料,內容非常精煉,適合稍微有些基礎的同學。
DeepLearning:幾位大神共同編寫的關於深度學習的freebook。
從人工智慧到機器學習,再到最近大熱的深度學習,人們已經在這個領域研究了數十年,現在雖然取得一定的突破,但是離真正的人工智慧還有非常長的距離。而且人工智慧一定要跳出學術界的研究框架,結合工業界的應用,從2016年可以看到大量的實際應用場景,例如自動駕駛、AppleSiri、AmazonEcho、谷歌翻譯等等,我相信未來人工智慧領域極有可能成為下一代顛覆性的技術革命。
來源:奶爸碼農
大資料週刊
郵箱:tougao@bigdatamag.cn
電話:010-57524293
眾論大資料 引領大時代
長按二維碼關注
相關文章
- 強烈推薦的軟體
- 強烈推薦:程式設計師必須懂的資料庫知識程式設計師資料庫
- 強烈推薦的 Chrome 外掛Chrome
- 強烈推薦各類好用免費apiAPI
- 強烈推薦:240多個jQuery外掛jQuery
- 自媒體工具有哪些?這幾款工具,強烈推薦
- 機器學習入門知識體系機器學習
- 強烈推薦Python新手學習之——字典Python
- 強烈推薦閻宏博士的java與模式Java模式
- 推薦系統基礎知識(二)
- 機器學習 — 推薦系統機器學習
- 做抖音同城拓客系統的朋友,強烈推薦我入局!
- Google 出品的 Java 編碼規範,強烈推薦!GoJava
- 強烈推薦的各種熱門好用的介面
- 阿里T8強烈推薦這份架構進階手冊,BAT知識點掃描清單!阿里架構BAT
- 強烈推薦大家使用LInux系統,簡直是讓人痴狂!(轉)Linux
- 強烈推薦|值得收藏的幾個圖片網站網站
- 強烈推薦的幾個Android studio外掛Android
- Mac強烈推薦街機賽車遊戲:Agent Intercept 疾速特工 for macMac遊戲
- 強烈推薦:ORACLE學習筆記--效能優化(ZT)Oracle筆記優化
- 推薦牛人的個人部落格--Java 全棧知識體系Java全棧
- 推薦系統知識梳理——GBDT&LR
- 知識圖譜增強下的智慧推薦系統與應用-於敬
- 強烈推薦 10 款珍藏的 Chrome 瀏覽器外掛Chrome瀏覽器
- 強烈推薦10本程式設計師在家讀的書程式設計師
- java經典程式設計題30道題,強烈推薦Java程式設計
- 一個非常不錯的技術視訊強烈推薦
- 程式設計師強烈推薦的熱門免費api程式設計師API
- Editplus下載、安裝並最佳配色方案(強烈推薦)
- 強烈推薦的一個部落格 圖靈官方部落格圖靈
- 強烈推薦!!!阿里旗下10款頂級開源專案阿里
- 知識蒸餾在推薦系統的應用
- 【強烈推薦】python超好用、超實用的開發工具!Python
- 強烈推薦所有程式設計師都要看完的書籍程式設計師
- 『強烈推薦』Linux 下的大型/開源/網路遊戲.(轉)Linux遊戲
- 請不要做浮躁的人[強烈推薦程式設計師看] (轉)程式設計師
- 3秒掌控專案管理10大知識領域和47個過程的思維導圖(強烈推薦)專案管理
- 強烈推薦!最好用的《機器學習實用指南》第二版終於來了,程式碼已開源!機器學習