本文大概描述了机器学习领域之外的人如何转行到机器学习领域内。说得很详细。

下文转载自CSDN:http://blog.csdn.net/qq_40027052/article/details/78542679?locationNum=3&fps=1


在计算机行业,关于从业人员的素质,一直都有一个朴素的认识——科班出身好过非科班,学历高的好过学历低的。大部分时候,这个看法是对的。在学校学习,有老师指点,有同学讨论,有考试压迫,有项目练手。即便不大用心的学生,几年耳濡目染下来,毕业后作为半个专业人士,还是没什么问题的。

不过,量子物理告诉我们,这个世界的本质要看概率。所以,科班出身的同学,在技术上好过非科班出身的同学,这是大概率事件;相反,非机器学习专业,甚至非计算机专业的同学,在这个领域做的比本专业同学更好,则就是小概率事件了。但小概率事件并非“不可能事件”,国内很多做机器学习公司的CTO,都不是机器学习专业的科班出身,却能够抓住这里的“小概率”,让自己华丽地转身并实现弯道超车。

他们是怎么做到的?

如果在上学的时候,我们没能嗅到机器学习领域的机会,而是选择其他领域来学习和工作……如今却打算半路出家、改行机器学习,应该怎么做,才能做到跟这些人一样好?或者,至少是足够好?

我自己痛苦转型的经历,说出来可以供大家参考一下。

我也是非科班出身,但因为工作,一直需要接触计算机视觉的一些传统算法。后来,看到ImageNet竞赛的结果,我意识到了深度学习在视觉领域的巨大优势,遂决定开始转型深度学习和神经网络,走上了这条学习的不归路(笑)。

想要转型,跟上学的时候不同,因为手头正在做的工作意味着,自己需要从没有时间的情况下挤出时间,需要把别人睡觉、打游戏的时间用来学习,而所学的又是一种颇为艰深晦涩的学问。

转型,其实很容易,需要做到的只有一件事:学习。

转型,其实很困难,因为必须做到一件事:坚持学习。

最难的不是下定决心,而是贯彻到底。所以,在开始之前,不妨先问问自己这样几个问题:

“我真的已经想清楚,要踏足这个行业吗?”
“我能够付出比其他人更多的辛苦汗水,在这条路上坚定地走下去吗?”
“在遭受了痛苦甚至打击之后,我对机器学习的热爱,仍然能够维持我继续前进吗?”

根据我掌握的数据,100个程序员里大概有30个考虑过转型,而真正付诸行动的不过10个。一个月以后仍然在坚持的仅有5个,最终能完成第一个阶段学习的,最多两三个而已。

真的这么困难吗?是的。特别是你要白天上班,晚上才能学习,独学而无友,有问题又只能自己查。而要系统地入门,又不是咬牙一天两天就能学出来,恐怕得坚持几个月才能get到点。

我个人的经历是这样:一开始接触时,每周一、三、五固定3天时间,每晚花两个小时去学习、看视频、翻书,周六周日则用来完成课程附带的编程作业,大概也是每天两小时左右。在这种强度下坚持了三个月,我才算是完成了入门的第一步。

也许有的人效率更高一些,也许有的人步子更慢一些,但快和慢不是关键,即使学习最慢的人,也要比一开始放弃学习的人走得更远。

所以,其实真正重要的,不是“我该学什么”,或者“我该怎么学”;而是“我是不是真的有足够的决心”,以及“我是不是能坚持到底”。

上手的课程

定好决心后,我们就能看看:在学机器学习的时候,我们到底在学什么?

几乎所有人都知道人工智能这个概念;有一部分人知道“机器学习”这个概念;其中一小部分人能清楚描述“深度学习”、“机器学习”和“神经网络”的关系; 很少一部分人能够正确说明“卷积”、“池化”、“CTC”这些名词的正确含义与计算/实现的方法;非常少的人能清楚地理解损失函数和反向传播的数学表达;极少极少的人能够阐述网络的一个修改(比如把卷积核改小)对precision/recall会产生什么影响;几乎没有人能描述上述影响到底是什么原理。

查看全文

微型无人机携带炸药可以杀人。

这并不是危言耸听 伯克利大学教授在联合国大会上展示了“AI杀人蜂”机器人 搭载人脸识别、传感器以及3克炸药 可以在人群中精确定位到需要干掉的人 杀人成本极其低廉 同时教授警告:该项技术已经成熟 要警惕落入恐怖分子之手(感谢阿尔法小分队译制,网易公开课编辑整理)

本视频来自网易公开课 http://open.163.com/movie/2017/11/0/9/MD32SIIIB_MD32SJS09.html

这是视频最后给出的“防止这种悲剧发生的”公益网站:http://autonomousweapons.org/

我也相信机器人一定会与人类共享世界,甚至取代人类。

转载自:https://zhuanlan.zhihu.com/p/29309218

Python深度学习完全路线指南

介绍

深度学习目前已经成为了人工智能领域的突出话题。它在“计算机视觉”和游戏(AlphaGo)等领域的突出表现而闻名,甚至超越了人类的能力。近几年对深度学习的关注度也在不断上升,这里有一个调查结果可以参考。

这里有一个 Google 的搜索趋势图:

深度学习:Python深度学习完全路线指南[转载]

如果你对这个话题感兴趣,这里有一个很好的非技术性的介绍。如果你有兴趣了解最近的趋势,那么这里有一个很好的汇总

在这篇文章中,我们的目标是为所有深度学习的人提供一条学习之路,同时也是为想要进一步学习的人提供一条探索的路径。如果你准备好了,那么让我们开始吧!

步骤0:先决条件

建议在学习深度学习之前,你应该先了解一些机器学习的基础知识。这篇文章列出了完整的学习机器学习的资源。

如果你想要一个简单的学习版本。那么可以看下面的列表:

建议时间:2-6个月

步骤1:机器配置

在进行下一步学习之前,你应该确保你有一个支持你学习的硬件环境。一般建议你至少拥有以下硬件:

  • 一个足够好的 GPU(4 GB),最好是 Nvidia
  • 一个还可以的 CPU(比如:Intel Core i3,Intel Pentium 可能不适合)
  • 4 GB RAM(这个取决于数据集大小)

如果你还不确定,那么请阅读这个硬件指南

备注:如果你是一个硬件玩家,那么你可能已经拥有了所需的硬件。

如果你没有所需的规格,那么你可以租一个云平台来学习,比如 Amazon Web Service(AWS)。这是使用 AWS 进行深度学习的良好指南

备注:在这个阶段不要安装任何深度学习的库,安装过程我们会在步骤 3 中介绍。

步骤2:初试深度学习

现在,你已经对这个领域有了一个初步的认识,那么你应该进一步深入了解深度学习。

根据自己的偏好,我们可以选择以下几个途径:

除了上述的先学知识,你还应该了解一些流行的深度学习库和运行他们的语言。以下是一个不太完整的列表(你可以通过查看 wiki 获得更加完整的列表):

其他一些著名的库:MochaneonH2OMXNetKerasLasagneNolearn。关于深度学习语言,可以查看这个文章

你也可以查看查看 Stanford 的 CS231n 中的第 12 讲,概要性的了解一些深度学习库。

建议时间:1-3周

步骤3:选择你自己的领域

这是最有趣的部分,深度学习已经应用在各个领域中,并且取得了最先进的研究成果。如果你想更深入的了解,那么作为一个读者,你最适合的路径就是动手实践。这样才能对你现在了解的内容有一个更加深入的认识。

注意:在以下的每个领域中,都会包括一个博客,一个实战项目,一个需要的深度学习库以及一个辅助课程。第一步你应该学习一下博客,然后去安装对应的深度学习库,然后再去做实战项目。如果在这个过程中,你遇到什么问题,那么可以去学习辅助课程。

建议时间:1-2个月

步骤4:深挖深度学习

现在你应该已经已经学会了基础的深度学习算法!但是前面的路程会更加艰苦。现在,你可以尽可能高效的利用这一新获得的技能。这里有一些技巧,你应该做的,可以磨炼你的技能。

建议时间:无限

值得推荐的资源:

结语

希望这个学习路径可以帮到你。我已经尽力让它更加全面,现在你要做的,就是尽可能多的阅读和练习。想要获取神经网络的专业知识,请尝试深度学习的练习题:Identify the Digits

当你对深度学习的概念有一些了解之后,试一下Skilltest: Deep Learning。试着接受深度学习的观念。

好运!

—————————————————————————————————————

为了方便大家学习,我建立了一个Python交流群,目前群内已经有1615个小伙伴,学习寂寞的小伙伴不妨一起来玩~群号:475035830

元胞自动机(Cellular Automaton,复数为Cellular Automata,简称CA,也有人译为细胞自动机、点格自动机、分子自动机或单元自动机)。是一时间和空间都离散的动力系统。散布在规则格网 (Lattice Grid)中的每一元胞(Cell)取有限的离散状态,遵循同样的作用规则,依据确定的局部规则作同步更新。大量元胞通过简单的相互作用而构成精态系统的演化。由冯诺依曼在20世纪50年代发明。

一开始是二维的,后来发展到三维,多维。

两张图片展示一下:

二维:

知识:元胞自动机

三维:

元胞自动机本来是研究在一定规则下元胞的演化的,而且得出了很多有价值的结论。比如参看文章:这个游戏没有玩家,为何在学术圈火了半个世纪?

今天还了解到,元胞自动机已经被使用到各个方面。我关心的是在物理学中的应用。

百度百科介绍到:“除了格子气元胞自动机在流体力学上的成功应用。元胞自动机还应用于磁场、电场等场的模拟,以及热扩散、热传导和机械波的模拟。另外。元胞自动机还用来模拟雪花等枝晶的形成。”

还有一个文章详细讲解了元胞自动机,很生动:http://www.swarma.org/complex/models/ca/ca1.htm

有人给出了二维元胞自动机的一个C++开源例子,原文链接:访问。我分享一下运行视频:

 

我在arXiv.cn上搜索得到的结果:https://arxiv.org/find/all/1/all: AND Cellular Automaton/0/1/0/all/0/1?client_host=cn.arxiv.org

有几个我很有兴趣:

1. Von Neumann Regular Cellular Automata  arXiv:1701.02692

2. Morphognosis: the shape of knowledge in space and time  arXiv:1701.02272

3. Neighborhood-History Quantum Walk  arXiv:1611.07495

4. Quantum cellular automata and free quantum field theory  arXiv:1608.02004

5. Particle models with self sustained current  arXiv:1606.04920

6. Neighborhood approximations for non-linear voter models  arXiv:1604.07778