1.前言
在上週六,看了掘金的課堂。這次的課堂和之前的不一樣,因為這次涉及的領域是人工智慧,講的內容也是如何自學人工智慧(AI)。這個主題,領域對於我自己而言,是一個關注但是陌生的主題,不同所從事的前端。
2.關於人工智慧
在描述課堂之前,先大概介紹下人工智慧的各方面。
2-1.什麼是人工智慧
引用百科的說法:人工智慧是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學。企圖瞭解智慧的實質,並生產出一種新的能以人類智慧相似的方式做出反應的智慧機器,該領域的研究包括機器人、語言識別、影像識別、自然語言處理和專家系統等。
2-2.為什麼要學人工智慧
為什麼要學人工智慧,這個可能很多人都想著,人工智慧人才短缺,待遇高。這樣想是對的,因為現在的情況就是如此。但每一個行業的總會有一個風口期,紅利期,這個不會一直存在。而且如果自己沒興趣,不願接受挑戰,就奔著高薪而學,註定走不遠。所以,我不從這個角度解釋這個為什麼。
我關注人工智慧的理由就是因為人工智慧就是一個趨勢,前景也廣闊,在以後也會逐漸的滲透到各行各業裡面,影響我們生活的各個方面。所以就覺得人工智慧值得學習。
也順便擴充套件一下:我瞭解的人工智慧現在有哪些應用領域了
領域 | 具體應用 |
---|---|
在計算機視覺 | 車牌識別,影像識別,人臉識別,人臉美顏,無人車 |
情景智慧 | 導航最佳路線,使用者行為推薦 |
語音技術 | 語音識別,精確翻譯,智慧助手(說一段話,計算機完成一個任務) |
生產,製造業 | 自動化車間,智慧農業 |
3.關於課堂
3-1.主題
一堂課掌握 AI 自學路徑圖
3-2.瞭解目標
AI 如何改變我們的生活?
AI 在七牛雲的應用?
學習 AI 需要哪些基礎知識?
參與 AI 相關的工作需要哪些知識?
AI 相關崗位的日常工作是什麼?
如何自學 AI
相關資源
4.AI技術革新
首先,第一個課時是彭垚老師帶來的《AI技術革新》講述的內容分為以下三大塊吧。
4-1.AI如果改變我們的生活
關於人工智慧改變生活,主要有三大塊,計算機視覺,語言識別,語音識別,具體的產品這裡就不列舉了。
計算機視覺方面的應用,比如導航的車輛識別,人臉識別,行為分析。
語音識別方面,比如智慧機器人,智慧音響。
語言處理方面,線上客服,個人助理,只能問答。
這一些領域都有很多出色的產品出現,在這裡就不列舉了。但是不可否認的就是,因為這些領域的產品出現,給我們生活的衣食住行都有很大方面的改善。
4-2.AI在七牛雲的應用
老師介紹到,七牛雲圍繞海量資料提供創新,靈活的組合場景,把AI融合進七牛運的產品線裡面去。同時加力發展視訊智慧和資料智慧的探索和應用。其中視訊智慧裡面,包括內容稽核(對色情,暴恐等視訊進行處理,保證視訊內容健康),人臉識別(身份核驗,智慧安防等),視訊分析等,在資料智慧裡面,包括資料分析決策,理解機器語言和情緒,洞察未來等。
除此之外,也介紹了七牛雲的人工智慧實驗室的核心創新體系。介紹了運用AI實現內容稽核(對色情,暴恐等視訊影像進行處理,保證內容健康),城市之眼(對人,物,場景進行檢測,實現身份核驗,智慧安防等需求),媒資智慧(對視訊影像等實現人臉識別,實現人工檢索等需求),創新計劃。也介紹了當中的技術架構,運作原理,以及一些成功案例(陌陌,步步高,美圖秀秀等)。
4-3.七牛雲的AI工程師的日常
首先,AI工程師有7種,計算機視覺演算法工程師,機器學習平臺研發工程師,大資料平臺研發工程,搜尋引擎研發工程師,系統架構工程師,業務架構工程師。這幾個職位字面上知道是負責什麼,雖然我都不會。老師在課上簡單介紹了他們的工作內容,成果方面包括AVA彈性深度學習平臺,LEGO大資料富媒體知識庫,AI Video OS等。
4-4.問題回顧
因為打字速度跟不上說話速度,內容也過多,用我自己的意思表達又擔心表達錯誤(其實就是因為懶),所以答案就不寫了,需要知道答案的,請點選下面的連結,觀看視訊。
1.七牛雲AI的核心技術能力是什麼?
2.將機器學習與社會可與研究相結合,有哪些可能的基於和挑戰?
3.很多關於人工智慧的文章說,中國在人中只能領域處於領先位置,可為什麼在學習過程中找到額度資料都是國外的?
4.系統架構和業務架構有什麼不同?
5.可以簡介一下AI開發的流程嗎?
6.這個AI Video OS是用在什麼應用場景的呢?是對外提供服務能力,還是對內使用?
最後,因為這個只是我一個簡單的筆記介紹,如果大家想了解更多,還是得點選下面連結進行觀看:
5.AI初學者入門
然後,第二個課時是邵傑老師帶來的《AI初學者入門》。關於這個課時,並不是講了AI的所有應用領域,挑了兩個應用很廣的兩個領域:機器學習和計算機視覺。
5-1.課程內容
開始之前,提了三個建議:
1.不要等到掌握所有的相關數學知識再開始 2.不要收集過多的學習資料 3.動手,動手,動手
關於第一個建議,老師目的就是想說,因為知識太多,難以全部掌握,會影響信心,而且很多知識不一定要求特別熟悉,想大家儘快的進入學習人工智慧裡面去。這也的確,不止AI,前端也有這樣的情況,就是有人評估做前端還是後臺的時候,就是評估前端要學什麼,後端要學什麼,這樣就感覺有點想太多了。
關於第二個建議,老師覺得網上資料繁雜,質量難以保證,也不繫統,收集過多的資料,時間成本太大。
關於第三個建議,這個應用是通用的,即使是我自己寫文章,我也非常建議,也多次提到大家除了看,更要寫,這樣才能印象深刻。如果只看不寫,學的過程很容易懵。
機器學習:利用學習演算法,從資料中產生模型。簡單的說就是根據寫的程式(機器演算法),根據大量的資料,產生一個模型。講師也講了一個例項:比如經常會收到垃圾郵件,下次在收到的時候,根據已收到的垃圾郵件進行分析,判斷是不是垃圾郵件。
機器學習:泛化性(根據已有的資料,分析新資料),演算法偏好(不同的模型,問題,應用匹配不同的演算法)
關於機器學起,也用了K近鄰的方式實現一個影像識別。但是學習之前,大家要學習下相關的數學知識。
5-2.問題回顧
還是一樣,只有問題,答案看視訊。
1.建不建議從深度學習開始入手學習?
2.phtroch和TensorFlow兩個機器學庫,選擇哪個學習比較好?
3.動手很重要,具體應該怎麼實踐?
4.AI開發選用什麼變成語言比較合適?
5.請問老師,對於傳統軟體開發行業(c語言),行行人工智慧行業(機器學習方向)有什麼建議?
6.老師對於線上的機器學習的課程怎麼看,例如coursera等等麻煩說說
視訊連結:
5-3.學習資料
附視訊提及的學習資料:
書籍
尼克《人工智慧簡史》(這本書要認清作者,因為老師提到,《人工智慧簡史》有兩本同名書籍,推薦的是尼克這本)
Miroslav Kubat《機器學習導論》
周志華《機器學習》(西瓜書)
Aurelien Geron《 Hands-on Machine Learning with Scikit-learn & Tensorflow 》
Ian Goodfellow等《Deep Learning》(花書)
ML 101
Getting Started With MachineLearning (all in one) by 樑勁 sina.lt/f3W8
Machine learning 101 by Jason Mayes sina.lt/f3W3
線上課程
機器學習速成課程 developers.google.com/machine-lea…
臺灣大學李宏毅教授 speech.ee.ntu.edu.tw/~tlkagk/cou…
吳恩達教授 mooc.study.163.com/smartSpec/d…
史丹佛大學 cs231n cs231n.stanford.edu/
史丹佛大學 cs224n web.stanford.edu/class/cs224…
其他
scikit-learn Tutorials scikit-learn.org/stable/tuto…
機器學習術語表 developers.google.com/machine-lea…
4.小結
這次課堂的個人理解就差不多就到這裡了。但這個課堂可以讓大家對AI開發有一個大概的瞭解,知道AI可以做什麼,怎麼做。以及AI自學的一個指導,至於是否受用,這個就見仁見智了。
最後感謝掘金和兩個講師給大家帶來課程。