как пройти от нуля к герою

kak projti ot nulya k geroyu

Начните с Почему? и закончить словами «Я готов!»

Если ваше понимание искусственного интеллекта и машинного обучения является большим вопросительным знаком, то это сообщение в блоге для вас. Здесь я постепенно увеличиваю вашу Потрясаемость™, склеивая вдохновляющие видео вместе с дружеским текстом.

Сядьте и расслабьтесь. Эти видео требуют времени, и если они не вдохновляют вас перейти к следующей главе, достаточно справедливо.

Однако, если вы окажетесь в нижней части этой статьи, вы заработали всесторонние знания и страсть к этому новому миру. Откуда вы уйдете, решать вам.

Понимание того, почему машинное обучение сейчас такое ГОРЯЧЕ

ИИ всегда был крутым, от перемещения весла в Pong до подсветки комбо в Street Fighter.

ИИ всегда обращался вокруг функциональных предположений программиста относительно того, как что-то должно вести себя. Весело, но программисты не всегда одарены программированием ИИ, как мы часто видим. Просто «эпическая игра» Google не видит сбоев в ИИ, физике, а иногда даже у опытных игроков.

Несмотря на это, AI обладает новым талантом. Вы можете научить компьютер играть в видеоигры, понимать язык и даже распознавать людей или вещи. Этот новый навык, как вершина айсберга, происходит от старой концепции, которая недавно получила вычислительную мощность, чтобы существовать вне теории.

Я говорю о Машинное обучение.

Вам больше не нужно придумывать расширенные алгоритмы. Вам просто нужно научить компьютер создавать собственный усовершенствованный алгоритм.

Так как что-то подобное вообще работает? Алгоритм на самом деле написан не так много, как он вроде бы… выведен. Я не использую разведение как аналогию. Просмотрите это короткое видео, которое дает отличные комментарии и анимацию к высокоуровневой концепции создания ИИ.

Вот Да! Правда? Это безумный процесс!

Как же так, что мы даже не можем понять алгоритм, когда он сделан? Одним из великолепных визуальных эффектов был тот момент, когда AI был написан для победы над играми Mario. Как люди, мы все понимаем, как играть в сайд-скроллер, но определить стратегию прогнозирования полученного ИИ — безумное.

Потрясенный? У этой идеи есть что-то удивительное, правда? Единственная проблема состоит в том, что мы не знаем машинного обучения и не знаем, как подключить его к видеоиграм.

По вашему счастью, Илон Маск уже предоставил некоммерческую компанию для выполнения последнего. Да, в дюжине строк кода вы можете подключить любой AI для бесчисленных игр/заданий! Проверьте это в действии!

Почему вы должны использовать машинное обучение?

У меня есть два хороших ответа о том, почему вам это важно. Во-первых, машинное обучение (ML) заставляет компьютеры делать то, что мы никогда раньше не делали. Если вы хотите сделать что-нибудь новое, не только новое для вас, но и для всего мира, вы можете сделать это с помощью ML.

Во-вторых, если ты не влияешь на мир, мир будет влиять на тебя.

Сейчас крупные компании инвестируют в ML, и мы уже видим, как это изменяет мир. Лидеры мнений предупреждают, что мы не можем позволить этой новой эре алгоритмов существовать без внимания общественности. Представьте, если несколько корпоративных монолитов контролировали Интернет. Если мы не примемся за оружие, наука будет не нашей. Я думаю, что Кристиан Хейлманн сказал это лучше всего в своем докладе о ML.

«Мы можем надеяться, что другие используют эту силу только во благо. Я, например, не считаю это хорошей ставкой. Я лучше играю и буду частью этой революции. И вы тоже можете».

0*hL1iGHlOUccIh2ah
Видео обсуждение машинного обучения Криса Хейлмана

Ладно, теперь мне интересно…

Концепция полезна и крута. Мы понимаем это на высоком уровне, но что происходит? Как это работает?

Если вы хотите перейти непосредственно, я предлагаю пропустить этот раздел и перейти к следующему разделу «Как начать работу». Если у вас есть мотивация быть DOer в ML, вам не понадобятся эти видео.

Если вы все еще пытаетесь понять, как это вообще могло произойти, следующее видео идеально подходит для того, чтобы рассказать о логике, используя классическую проблему ML – рукописный ввод.

Достаточно круто, а? Это видео показывает, что каждый слой становится проще, а не сложнее. Как функция пережевывает данные на меньшие куски, которые заканчиваются абстрактным понятием. Вы можете испачкать свои руки, взаимодействуя с этим процессом на этом сайте (от Адама Харли).

1*NA6QQgUliN1aIDADOVDjvg
http://scs.ryerson.ca/~aharley/vis/conv/flat.html

Это круто наблюдать, как данные проходят через обученную модель, но вы даже можете наблюдать, как тренируется ваша нейронная сеть.

Одним из классических реальных примеров машинного обучения в действии является набор данных радужки глаза с 1936 года. В презентации, которую я посетил с обзором JavaFXpert по машинному обучению, я узнал, как можно использовать его инструмент для визуализации корректировки и обратного распространения весов. к нейронам нейронной сети. Вы можете наблюдать, как это тренирует нейронную модель!

1*SFCso4GMLfAEcpYQ7MqLQg
Обучение нейронной сети радужки с помощью визуализатора Джима

Даже если вы не любите Java, презентация, которую Джим дает обо всем, что касается машинного обучения, — это достаточно крутое 1,5+ часовое вступление в концепции ML, содержащее больше информации о многих примерах выше.

Эти понятия увлекают! Вы готовы стать Эйнштейном этой новой эры? Прорывы происходят каждый день, поэтому начинайте сейчас.

Как начать?

Есть много доступных ресурсов. Во-первых, вы должны подписаться на несколько информационных бюллетеней/твиттеров, чтобы поддерживать личный ажиотаж. Я начал эту!

Весело машинное обучение (@FunMachineLearn) | Twitter
Последние твиты от Fun Machine Learning (@FunMachineLearn). Не для снобов машинного обучения. Наслаждайтесь красотой и…twitter.com

Если вы хотите получить больше концепций высокого уровня, я предлагаю вам пройти нетехнический курс AI для всех Coursera. Это позволит получить некоторые термины и примеры в вашем мозгу, когда вы будете двигаться вперед.

Что касается «углубленной учебы», я буду рекомендовать два подхода.

Гайки и болты

В этом подходе вы поймете машинное обучение вплоть до алгоритмов и математики. Я знаю, что это звучит тяжело, но как бы круто вникнуть в детали и кодировать эти вещи с нуля!

Если вы хотите быть силой в ML и поддерживать себя в глубоких разговорах, это путь для вас.

Я рекомендую вам попробовать приложение Brilliant.org (всегда отлично подходит для любого любителя науки) и пройти курс искусственной нейронной сети. У этого курса нет ограничений по времени и поможет вам научиться ML, убивая время в очереди на телефоне.

Это стоит денег после уровня 1.

Соедините вышесказанное с одновременной записью на курс Эндрю Нга в Стэнфорде по теме «Машинное обучение за 11 недель». Именно этот курс рекомендовал Джим Уивер в своем видео выше. Этот курс мне тоже независимо предложила Джен Лупер.

Каждый предостерегает, что этот курс тяжел. Для кого-то из вас это показательная пробка, но для других, поэтому вы собираетесь пройти через это и получить сертификат о том, что вы сделали.

Этот курс на 100% бесплатный. Вам придется заплатить только за сертификат, если вы хотите.

С этими двумя курсами у вас будет много работы. Все должны быть удивлены, если вы справитесь, потому что это непросто.

Но более того, если вы все-таки справитесь с этим, вы будете иметь глубокое понимание внедрения машинного обучения, что позволит вам успешно применять его новыми способами, изменяющими мир.

Гонщик на скорость

Если вы не заинтересованы в написании алгоритмов, но вы хотите использовать их для создания следующего увлекательного веб-сайта/приложения, вам следует перейти к TensorFlow и ускоренному курсу.

TensorFlow – это где факто библиотека программного обеспечения с открытым кодом для машинного обучения. Его можно использовать бесчисленным количеством способов и даже с помощью JavaScript. Вот ускоренный курс.

Более подробную информацию о доступных курсах и рейтингах можно найти здесь.

Если посещение курса не входит в ваш стиль, вам повезло. Вам не нужно изучать ML тонкости, чтобы использовать его сегодня. Вы можете эффективно использовать ML как услугу многими способами благодаря техническим гигантам, имеющим готовые обученные модели.

Я все равно предостерегаю вас, что нет никакой гарантии, что ваши данные безопасны или даже ваши, но предложения услуг для ML достаточно привлекательны!

0*pg755HdNJYBNfkmU

Использование службы ML может быть лучшим решением для вас, если вы взволнованы и можете скачать свои данные в Amazon/Microsoft/Google. Мне нравится думать об этих услугах как о шлюзе для продвинутого ML. В любом случае, хорошо начать сейчас.

ОБНОВЛЕНИЕ!

Я создал 5-дневный мини-курс для AI!!!

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

Вот несколько замечательных пособий, которые я нашел, которые вы должны проверить

Будем творцами

Я должен сказать спасибо всем вышеупомянутым людям и видео. Они были моим вдохновением, чтобы начать, и хотя я все еще новичок в мире ML, я счастлив освещать путь другим, когда мы переживаем этот поразительный возраст, в котором мы находимся.

Если вы начинаете учить это ремесло, очень важно налаживать связь и общаться с людьми. Без дружеских лиц, ответов и звуковых досок все может быть затруднительно. Просто возможность спросить и получить ответ меняет игру. Добавьте меня и добавьте вышеупомянутых людей. Доброжелательные люди с дружеским советом помогают!

Увидеть?

Надеюсь, эта статья вдохновила вас и окружающих вас изучить ML! Я тоже хотел бы, чтобы вы присоединились ко мне в поиске крутого и веселого кода ML. Отметьте, смотрите и участвуйте в моем репо здесь: https://github.com/GantMan/fun-machine-learing

1*kePT6qGxTucg__Uz9IC_mQ
Гант Лаборд — главный технологический стратег Infinite Red, автор публикаций, адъюнкт-профессор, оратор по всему миру и обучающийся безумный ученый. Пожалуйста, хлопайте/подписывайтесь на/твиты или просто приветствуйте его на конференции.

Есть минутка? Смотрите еще несколько моих сообщений:

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *