更新時間:2017-08-23 來源:黑馬程序員Python培訓(xùn)學(xué)院 瀏覽量:
這篇文章的作者為Andrey Nikishaev,他既是一個軟件開發(fā)者,也是一個創(chuàng)業(yè)者。
如何成長為一名機(jī)器學(xué)習(xí)工程師?
經(jīng)常有人這么問,而這篇文章就嘗試回答這個問題,其中會談到關(guān)于機(jī)器學(xué)習(xí)的方方面面,從簡單的線性回歸到最新的神經(jīng)網(wǎng)絡(luò)。你不僅將學(xué)習(xí)如何使用這些技術(shù),還將學(xué)習(xí)如何從頭開始構(gòu)建它們。
這個指南主要面向計算機(jī)視覺(CV),這也是掌握一般知識的最快方式,從CV中獲取的經(jīng)驗可以簡單地應(yīng)用到機(jī)器學(xué)習(xí)的其他領(lǐng)域。
我們將使用TensorFlow作為框架。這些課程需要你會Python,雖然不要求你是大師,但至少要懂基本的知識。(另外,都是英語授課)
溫馨提示,學(xué)習(xí)知識與動手實踐相結(jié)合效果更佳。
1. 課程
1.1 約翰霍普金斯大學(xué)的實用機(jī)器學(xué)習(xí)
課程總共4周,用戶評分:4.4(5分制,下同)
地址:
https://www.coursera.org/learn/practical-machine-learning#syllabus
1.2 斯坦福大學(xué)的機(jī)器學(xué)習(xí)
課程總共11周,用戶評分:4.9。授課教師是大名鼎鼎的吳恩達(dá)。
地址:
https://www.coursera.org/learn/machine-learning
上面兩節(jié)課,會教給你數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)的基本知識,并為下面的學(xué)習(xí)做好準(zhǔn)備。
1.3 CS231n:面向視覺識別的卷積神經(jīng)網(wǎng)絡(luò)
總共16個課時,目前已更新為2017春季的最新版本。李飛飛是這節(jié)課程的導(dǎo)師。
地址:
http://cs231n.stanford.edu/
現(xiàn)在才算步入正軌。這是網(wǎng)上最好的機(jī)器學(xué)習(xí)與計算機(jī)視覺課程。
1.4 Google講深度學(xué)習(xí)
整個課程大約耗時三個月,導(dǎo)師為Google首席科學(xué)家Vincent Vanhoucke,以及Google Brain的技術(shù)負(fù)責(zé)人Arpan Chakraborty。
在這個課程中,將會教授深度學(xué)習(xí)的原理、設(shè)計可以從復(fù)雜的大型數(shù)據(jù)集學(xué)習(xí)的智能系統(tǒng)、訓(xùn)練和優(yōu)化基本的神經(jīng)網(wǎng)絡(luò)、CNN、LSTM等。
地址:
https://www.udacity.com/course/deep-learning--ud730
選修課。你可以只看其中練習(xí)的部分。
1.5 CS224d:面向自然語言處理的深度學(xué)習(xí)
總共17個課時。
地址:
http://cs224d.stanford.edu/
選修課。推薦給那些需要用到NLP的同學(xué)。課程內(nèi)容也很棒。
1.6 深度學(xué)習(xí)電子書
Leonardo Araujo dos Santos整理的深度學(xué)習(xí)電子書。
地址:
https://leonardoaraujosantos.gitbooks.io/artificial-inteligence/content/
選看。這是一本涉及諸多機(jī)器學(xué)習(xí)領(lǐng)域的好書。
2. 練習(xí)
這部分給了一堆教程和項目的清單,你應(yīng)該逐一嘗試并了解它們的工作原理,以及考慮如何進(jìn)行改進(jìn)提升。這個列表的存在,只是為了增加你對機(jī)器學(xué)習(xí)的興趣,所以遇到一些困難也別氣餒,當(dāng)你準(zhǔn)備好就可以隨時上手練習(xí)。
2.1 TensorFlow上的簡單練習(xí)
Kadenze學(xué)院出品,總共5個課時。
地址:
https://www.kadenze.com/courses/creative-applications-of-deep-learning-with-tensorflow-iv/info
2.2 Tensorflow菜譜
這部分內(nèi)容來自Nick McClure的電子書《TensorFlow Machine Learning Cookbook》。
地址:
https://github.com/nfmcclure/tensorflow_cookbook
2.3 Tensorflow-101教程部分
這是一個用Python和Jupyter Notebook編寫的教程。試圖為TensorFlow初學(xué)者提供盡可能的詳細(xì)解釋,希望對大家有用~
地址:
https://github.com/sjchoi86/Tensorflow-101
2.4 快速風(fēng)格遷移網(wǎng)絡(luò)
地址:
https://github.com/lengstrom/fast-style-transfer
這個教程展示了如何使用神經(jīng)網(wǎng)絡(luò),將名畫的風(fēng)格遷移到任何一張照片上。
2.5 圖像分割
這是一個使用TensorFlow實現(xiàn)的完全卷積網(wǎng)絡(luò)。作者M(jìn)arvin Teichmann還提供了如何把這部分代碼集成到你的語義分割管道中的示例。
地址:
https://github.com/MarvinTeichmann/tensorflow-fcn
2.6 使用SSD實現(xiàn)物體識別
物體識別最快(也是最簡單)的模型之一
地址:
https://github.com/balancap/SSD-Tensorflow
2.7 面向物體識別和語義分割的快速掩膜RCNN
地址:
https://github.com/CharlesShang/FastMaskRCNN
2.8 強(qiáng)化學(xué)習(xí)
地址:
https://github.com/dennybritz/reinforcement-learning
非常有用,特別是當(dāng)你想搭建一個機(jī)器人或者下一個DotA AI時。
2.9 Google大腦團(tuán)隊的Magenta項目
地址:
https://github.com/tensorflow/magenta/tree/master/magenta/models
這個項目旨在通過神經(jīng)網(wǎng)絡(luò)創(chuàng)造出色的藝術(shù)和音樂作品。
2.10 深度雙邊學(xué)習(xí)實時圖像增強(qiáng)
地址:
https://groups.csail.mit.edu/graphics/hdrnet/
一個很棒的圖像增強(qiáng)算法,來自Google。
2.11 自動駕駛汽車項目
地址:
https://github.com/udacity/self-driving-car
想造一輛自動駕駛汽車么?這是一個很好的入門。
3. FAQ
如果中途卡住了怎么辦?
首先,你得明白機(jī)器學(xué)習(xí)不是100%精確的東西,大多數(shù)情況下只是一個很好的猜測,并且需要大量的調(diào)整迭代。大多數(shù)情況下,想出一個獨特的點子是非常困難的,因為你的時間和資源將耗費(fèi)在訓(xùn)練模型上。
所以,不要自己想解決方案。去搜索論文、項目,以及求助他人,積攢的經(jīng)驗越多,你會干的越好。給幾個可能有用的網(wǎng)站:
http://www.gitxiv.com
http://www.arxiv-sanity.com
https://arxiv.org
https://stackoverflow.com
為什么論文不能完全解決這個問題,為什么論文有些地方是錯的?
很遺憾,并不是所有的科技人員都想把他們的成果公之于眾,但他們都需要發(fā)表論文來獲得“名“或者”利”。所以一些人可能只發(fā)布部分素材,或者給出錯誤的公式。所以找到代碼永遠(yuǎn)比找到論文更有用。
哪里可找到最新的資料?
參考上面推薦過的幾個網(wǎng)站,尤其是gitxiv.com,不僅僅能找到論文,而且還能找到代碼,所以特別實用。
我應(yīng)該用云計算還是臺式機(jī)/筆記本電腦?
云更適用于有大量計算需求的情況。對于學(xué)習(xí)和測試來說,使用臺式機(jī)/筆記本電腦要便宜得多,當(dāng)然前提是配有支持CUDA的顯卡。比方,我自己就用一個筆記本訓(xùn)練模型,顯卡是帶有690CUDA核心的GTX GeForce 960M。
當(dāng)然,如果有免費(fèi)的云資源可用,當(dāng)然要用。
如何更好地調(diào)整超參數(shù)?
訓(xùn)練的主要問題是時間。你不可能一直坐在那看著訓(xùn)練數(shù)據(jù)。因此,我建議你使用Grid Search。基本上,只需要創(chuàng)建一組超參數(shù)和模型架構(gòu),然后一個接一個的運(yùn)行,并保存結(jié)果。這樣就能晚上訓(xùn)練,白天比較結(jié)果,找到最有希望的那個。
本文版權(quán)歸黑馬程序員Python培訓(xùn)學(xué)院所有,歡迎轉(zhuǎn)載,轉(zhuǎn)載請注明作者出處。謝謝!
作者:黑馬程序員Python培訓(xùn)學(xué)院
首發(fā):http://m.3rdspacecomics.com/news/python.html
Python培訓(xùn)之Python 為何能坐穩(wěn) AI 時代頭牌語言
2017-08-21Python培訓(xùn)之人工智能識別植物準(zhǔn)確率高達(dá)80%
2017-08-21Python培訓(xùn)之你的工作會被人工智能搶嗎? 這些職業(yè)首先受到?jīng)_擊
2017-08-21Python培訓(xùn)之李開復(fù):人工智能恐將拉大貧富差距
2017-08-21Python培訓(xùn)之李彥宏:AI對供給側(cè)的影響會持續(xù)50年
2017-08-21Python培訓(xùn)之普通程序員如何向人工智能方向轉(zhuǎn)型?
2017-08-18