|
“大牛我要問”欄目推出一段時(shí)間后，阿里妹收到不少童鞋的來信，其中以職業(yè)發(fā)展、技術(shù)成長的困惑居多。 今天阿里妹選擇了一個頗具有代表性的問題：關(guān)于目前大熱的AI入門學(xué)習(xí)，希望能幫助有同樣問題的童鞋解惑指路。 來信問題：25歲Java工程師如何轉(zhuǎn)型學(xué)習(xí)AI？ 我是一名25歲的Java開發(fā)工程師。本科學(xué)習(xí)的專業(yè)是信息與計(jì)算科學(xué)（數(shù)學(xué)專業(yè)），因?yàn)閷τ?jì)算機(jī)方面感興趣，之后培訓(xùn)學(xué)習(xí)了Java，所以現(xiàn)在從事Java開發(fā)。目前就是在電商公司開發(fā)一些系統(tǒng)。 我對人工智能非常感興趣，對數(shù)學(xué)的興趣也從未減弱。人工智能設(shè)計(jì)的學(xué)習(xí)材料很多，像我這樣的狀況，如果想要轉(zhuǎn)型以后從事這方面的工作，具體應(yīng)該學(xué)習(xí)些什么？ 阿里技術(shù)童鞋“以均”回信： 首先，我想聊聊為何深度學(xué)習(xí)最近這么火。 外行所見的是2016年AlphaGo 4比1 戰(zhàn)勝李世石，掀起了一波AI熱潮，DeepMind背后所用的深度學(xué)習(xí)一時(shí)間火得不得了。其實(shí)在內(nèi)行看來，AlphaGo對陣李世石的結(jié)果是毫無懸念的，真正的突破在幾年前就發(fā)生了。 2012年，Gefferey Hinton的學(xué)生Alex使用一個特別構(gòu)造的深度神經(jīng)網(wǎng)絡(luò)（后來就叫AlexNet），在圖像識別的專業(yè)比賽ImageNet中，得到了遠(yuǎn)超之前最好成績的結(jié)果，那個時(shí)候，整個人工智能領(lǐng)域就已經(jīng)明白，深度學(xué)習(xí)的革命已經(jīng)到來了。 果然，之后深度學(xué)習(xí)在包括語音識別，圖像理解，機(jī)器翻譯等傳統(tǒng)的人工智能領(lǐng)域都超越了原先各自領(lǐng)域效果最好的方法。從2015年起，工業(yè)界內(nèi)一些嗅覺靈敏的人士也意識到，一場革命或已到來。 機(jī)器學(xué)習(xí)與深度學(xué)習(xí) 深度學(xué)習(xí)是機(jī)器學(xué)習(xí)中的一種技術(shù)，機(jī)器學(xué)習(xí)包含深度學(xué)習(xí)。機(jī)器學(xué)習(xí)還包含其他非深度學(xué)習(xí)的技術(shù)，比如支持向量機(jī)，決策樹，隨機(jī)森林，以及關(guān)于“學(xué)習(xí)”的一些基本理論，比如，同樣都能描述已知數(shù)據(jù)的兩個不同模型，參數(shù)更少的那個對未知數(shù)據(jù)的預(yù)測能力更好（奧卡姆剃刀原理）。 深度學(xué)習(xí)是一類特定的機(jī)器學(xué)習(xí)技術(shù)，主要是深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，在之前經(jīng)典的多層神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，將網(wǎng)絡(luò)的層數(shù)加深，并輔以更復(fù)雜的結(jié)構(gòu)，在有極大量的數(shù)據(jù)用于訓(xùn)練的情況下，在很多領(lǐng)域得到了比其他方法更好的結(jié)果。 機(jī)器學(xué)習(xí)與大數(shù)據(jù) 大數(shù)據(jù)：機(jī)器學(xué)習(xí)的基礎(chǔ)，但在多數(shù)語境下，更側(cè)重于統(tǒng)計(jì)學(xué)習(xí)方法。 機(jī)器學(xué)習(xí)，深度學(xué)習(xí)，數(shù)據(jù)挖掘，大數(shù)據(jù)的關(guān)系可以用下圖表示  系統(tǒng)學(xué)習(xí)資料 深度學(xué)習(xí)火起來之后，網(wǎng)上關(guān)于深度學(xué)習(xí)的資料很多。但是其質(zhì)量參差不齊。我從2013年開始就關(guān)注深度學(xué)習(xí)，見證了它從一個小圈子的領(lǐng)先技術(shù)到一個大眾所追捧的熱門技術(shù)的過程，也看了很多資料。我認(rèn)為一個高質(zhì)量的學(xué)習(xí)資料可以幫助你真正的理解深度學(xué)習(xí)的本質(zhì)，并且更好地掌握這項(xiàng)技術(shù)，用于實(shí)踐。 以下是我所推薦的學(xué)習(xí)資料： 首先是視頻課程。 Yaser Abu-Mostafa 加州理工的Yaser Abu-Mostafa教授出品的機(jī)器學(xué)習(xí)網(wǎng)絡(luò)課程，非常系統(tǒng)地講解了機(jī)器學(xué)習(xí)背后的原理，以及主要的技術(shù)。講解非常深入淺出，讓你不光理解機(jī)器學(xué)習(xí)有哪些技術(shù)，還能理解它們背后的思想，為什么要提出這項(xiàng)技術(shù)，機(jī)器學(xué)習(xí)的一些通用性問題的解決方法（比如用正則化方法解決過擬合）。強(qiáng)烈推薦。 課程名稱：Machine Learning Course - CS 156 視頻地址： https://www./watch?v=mbyG85GZ0PI&list=PLD63A284B7615313A Geoffrey Hinton 深度學(xué)習(xí)最重要的研究者。也是他和另外幾個人（Yann LeCun，Yoshua Bengio等）在神經(jīng)網(wǎng)絡(luò)被人工智能業(yè)界打入冷宮，進(jìn)入低谷期的時(shí)候仍然不放棄研究，最終取得突破，才有了現(xiàn)在的深度學(xué)習(xí)熱潮。 他在Coursera上有一門深度學(xué)習(xí)的課程，其權(quán)威性自不待言，但是課程制作的質(zhì)量以及易于理解的程度，實(shí)際上比不上前面Yaser Mostafa的。當(dāng)然，因?yàn)槠鋵?shí)力，課程的干貨還是非常多的。 課程名稱：Neural Networks for Machine Learning 課程地址：https://www./learn/neural-networks UdaCity Google工程師出品的一個偏重實(shí)踐的深度學(xué)習(xí)課程。講解非常簡明扼要，并且注重和實(shí)踐相結(jié)合。推薦。 課程名稱：深度學(xué)習(xí) 課程地址：https://cn./course/deep-learning--ud730 小象學(xué)院 國內(nèi)小象學(xué)院出品的一個深度學(xué)習(xí)課程，理論與實(shí)踐并重。由紐約城市大學(xué)的博士李偉主講，優(yōu)點(diǎn)是包含了很多業(yè)內(nèi)最新的主流技術(shù)的講解。值得一看。 課程名稱：深度學(xué)習(xí)（第四期） 課程地址： http://www./classroom/45/courses 推薦閱讀書目 《Deep Learning the Book》 —— 這本書是前面提到的大牛Yoshua Begio的博士生Goodfellow寫的。Goodfellow是生成式對抗網(wǎng)絡(luò)的提出者，生成式對抗網(wǎng)絡(luò)被Yann LeCun認(rèn)為是近年最激動人心的深度學(xué)習(xí)技術(shù)想法。這本書比較系統(tǒng)，專業(yè)，偏重理論，兼顧實(shí)踐，是系統(tǒng)學(xué)習(xí)深度學(xué)習(xí)不可多得的好教材。 英文版：http://deeplearningthebook.com 目前Github上已經(jīng)有人翻譯出了中文版： 不同的人有不同的需求，有些人希望掌握好理論基礎(chǔ)，然后進(jìn)行實(shí)踐，有些人希望能夠快速上手，馬上做點(diǎn)東西，有些人希望理論與實(shí)踐兼顧。下面推薦幾條學(xué)習(xí)路徑，照顧到不同的需求。大家可以根據(jù)自己的特點(diǎn)進(jìn)行選擇。 Hard way Yaser -> Geoffrey Hinton -> UdaCity -> Good Fellow 特點(diǎn)：理論扎實(shí)，步步為營。最完整的學(xué)習(xí)路徑，也是最“難”的。 推薦指數(shù)： 4星 Good way Yaser -> UdaCity -> 小象學(xué)院 -> Good Fellow 特點(diǎn)：理論扎實(shí)，緊跟潮流，兼顧實(shí)戰(zhàn)，最后系統(tǒng)梳理。比較平衡的學(xué)習(xí)路徑。 推薦指數(shù)： 5星 'Fast' way UdaCity -> Good Fellow 特點(diǎn)：快速上手，然后完善理論。 推薦指數(shù)： 4星 '碼農(nóng)' way UdaCity 特點(diǎn)：快速上手，注重實(shí)踐。 推薦指數(shù)： 3星 點(diǎn)擊下方圖片即可閱讀  關(guān)注「阿里技術(shù)」 把握前沿技術(shù)脈搏 |
|
|
