ramy  2018-05-15 21:59:21  应用程序 |   查看评论   

湖南幸运赛车前三百度 www.5ijxf.cn 机器学习

▲最值得收藏的机器学习入门方法

 

我个人很喜欢的学习资源:

 

Activation Functions -   https://en.wikipedia.org/wiki/Activation_function

 

Luis Serrano's Neural Network Series (REALLY GOOD) - https://www.youtube.com/watch?v=UNmqTiOnRfg

 

Giant_Neural_Network's Neural Network Series (REALLY GOOD) -   https://www.youtube.com/watch?v=ZzWaow1Rvho

 

Macheads101's Neural Network series -  https://www.youtube.com/watch?v=OypPjvm4kiA

 

3Blue1Brown's Neural Network Series - https://www.youtube.com/watch?v=aircAruvnKk

 

Hugo's Neural Network Series -  https://www.mooc.ai/course/300

 

James Mccaffrey Talk (A BIT OUTDATED INFORMATION BUT STILL A FUN ONE)-  https://www.youtube.com/watch?v=-zT1Zi_ukSk

 

一些很重要的数学课

 

Vectors (explained with Linear Algebra):  https://www.khanacademy.org/math/linear-algebra/vectors-and-spaces

 

Vectors (explained with PreCal):  https://www.khanacademy.org/math/precalculus/vectors-precalc

 

Matrices:  https://www.khanacademy.org/math/precalculus/precalc-matrices

 

Sequences:  https://www.khanacademy.org/math/precalculus/seq-induction

 

Derivative Rules: h https://www.khanacademy.org/math/ap-calculus-bc/bc-derivative-rules

 

一些可能会帮助到你的数学课

 

Algebra Functions:  https://www.khanacademy.org/math/algebra/algebra-functions

 

Quadratics:  https://www.khanacademy.org/math/algebra/quadratics

 

Irrational:  https://www.khanacademy.org/math/algebra/rational-and-irrational-numbers

 

Analyzing Categorical Data:  https://www.khanacademy.org/math/statistics-probability/analyzing-categorical-data

 

我的建议

 

(1)更好地理解伪代码

 

我觉得学习如何写机器学习算法最好的方法,就是去更好地理解伪代码。我们要理解如何去计算它们,还有各种不同的能够相互转换的指数。在我的经验里,大多数情况下,伪代码是十分清晰的。但如果不是的话,可能是因为在外星语中出现的太频繁了。

 

学习怎样将伪代码转换成你最喜欢的编程语言,其实是最重要的事。其实没有一个一码通吃的神经网络,实际上当你从不同的老师那里学习怎样写神经网络的时候,请一定要注意,他们不会总是使用同样数量的输入,隐藏层节点,激活函数,可能连术语都不一样,有些老师可能会把偏置说成另一个词,这就是伪代码如此重要的原因。

 

(2)前馈神经网络例子

前馈神经网络例子

除了之前所说的我能给你最好的建议,就是用一个简单的前馈神经网络例子来开始你的学习,这有一个很好的例子——做一个文字颜色预测器,当你提供给它,红,绿,蓝值作为输入的时候,尝试去训练它作出,在此之上应该使用深色字还是浅色字,让它能够可以被认出来的预测。我觉得这是个很好的有很简单的项目,值得认真研究以此来学习机器学习的基础。

 

(3)立刻开始着手

 

建议你从最开始就着手写你的神经网络,我指的是你学习的第一天,就在这个视频结束的时候,立刻打开你的 IDE 。纸上得来终觉浅,绝知此事要躬行。尽管理论上知道,如何写神经网络很酷,但实际去写一个神经网络是完全不同的。

 

当你开始去写一个神经网络的时候,你会卡住,然后你就有了第一个需要去找的问题,尝试去解决它,如此往复,直到你成功。我特别希望,从最一开始我就知道这个建议,这可能会减少我大部分学习的时间。

 

(4)站在巨人的肩膀上

 

如果你真的想要能够很好地写出机器学习算法,你需要依靠他人的研究和代码,因为事实上这其实还是一个刚起步的领域,每周都会有新的东西诞生。

 

最后一个我想给你们的重要建议是,其实你也可以不像我之前说的那样做,形象点来说,机器学习就好像计算机一样。如果你真的想要一台计算机,你可以从头组装一台,或者你也可以直接买一台整机,这两件事最后的结果是一样的。我个人想要去学习如何从头构建神经网络因为,我是个控制欲很强的疯子。

机器学习算法

有很多诸如, TensorFlow , PyTorch , Theano , Keras ,和其他的机器学习框架,他们就好像是一台装好的计算机,你可以直接开始看教程,开始学习怎样去使用它们,你不需要关心很多,诸如导数,矩阵乘法,激活函数这些概念,这些机器学习框架已经把大多数复杂的事情做好了,不过显而易见的,以此为代价的就是,当网络内部出现问题,或者运行不正确时,找出哪里出现问题,会是件很困难的事,这都取决于你想要什么

 

不管怎么样,请一定要记得满足你的好奇心,在机器学习的道路上走得越来越远。

  
 

除特别注明外,本站所有文章均为 人工智能学习网 原创,转载请注明出处来自最值得收藏的机器学习入门方法(下)

留言与评论(共有 0 条评论)
   
验证码:
  • 人工智能学习网
    708| 79| 707| 578| 414| 913| 696| 962| 952| 680|