学习AI可能不需要那么多数学知识：20小时进阶计划
這里還有一個關(guān)于AI不為人知的小秘密：
事實(shí)上你不需要儲備那么多的數(shù)學(xué)知識才能開始使用AI。
如果你是一名開發(fā)人員或系統(tǒng)管理員，你可能早已使用了很多你所了解的庫和框架。為了使用curl（一個廣泛使用的用來上傳和下載的命令行工具），其實(shí)你不必了解網(wǎng)站檢索內(nèi)部如何工作。AI也是如此。有很多框架和項(xiàng)目可以幫助你快速地使用AI算法，而不需要你成為一名數(shù)據(jù)科學(xué)博士。?
不要誤會我的意思。數(shù)學(xué)有助于你對算法背后發(fā)生的事情有所了解。借助它，你可以閱讀研究類論文，當(dāng)看到像Ian Goodfellow著作的深度學(xué)習(xí)一類高級書籍時，不會毫無頭緒。但是，如果你想開始使用AI，你可以今天就開始。
讓我們從一些實(shí)際的項(xiàng)目來開始做起。
我的學(xué)習(xí)方法與“第一個二十小時”中概述的優(yōu)秀方法非常相似。我們都知道一萬小時定律。要真正掌握一門技能，你需要投入大量時間。但我們只是剛剛開始。現(xiàn)在我們試圖通過初次嘗試來發(fā)現(xiàn)它的樂趣！
方法很簡單：
-
選擇一個項(xiàng)目；
-
克服自己一定會失敗的想法；
-
進(jìn)行各種嘗試并從失敗中快速學(xué)習(xí)
-
實(shí)踐。
很容易吧？所以讓我們開始！
選擇一個項(xiàng)目
首先你需要一個項(xiàng)目來激勵你離開舒適區(qū)。
一個有一百萬美元獎金并且可能對肺癌研究產(chǎn)生影響的項(xiàng)目聽起來如何？
Kaggle是你可以找到機(jī)器學(xué)習(xí)項(xiàng)目的地方。現(xiàn)在他們正在舉辦一場價值100萬美元的競賽來改善肺癌病變的分類。任何人都可以加入，包括你。
現(xiàn)在我知道你在想：我絕對沒有機(jī)會贏。這是一個聚集了最優(yōu)秀機(jī)器學(xué)習(xí)從業(yè)者的比賽。很高興你想到這里，因?yàn)榘盐覀儙У搅说诙?#xff1a;
克服自己一定會失敗的想法
學(xué)習(xí)任何新事物最重要的一步是盡可能地關(guān)掉頭腦中自我懷疑的聲音。“第一個二十小時”主張通過嘗試消除干擾，根據(jù)時間制定訓(xùn)練計劃和一些其他方法，例如冥想，自我肯定或適度飲酒等，做只要能讓聲音消失，讓你可以專注的事。如果你需要一本自我?guī)椭臅鴣矸竭@一障礙，請嘗試“You are a Badass”，一部有趣、滑稽和充滿諷刺意味的杰作。
就是這種情形：你現(xiàn)在感覺糟糕透了。但是沒關(guān)系，你不會這樣感覺很久。 ?
第一階段的學(xué)習(xí)總是會感到困惑和沮喪。所以，不要和自己過意不去，這表明你在正確的軌道上。你正在學(xué)東西，你很棒！你可能不會贏得比賽，但那又怎樣？專注于在截止日期之前提交一份證明你實(shí)力的報告。不是每個人都可以贏得一場馬拉松比賽，但是完成一場比賽本身就是一種成就，對嗎？
你知道嗎？你可能會贏。我是認(rèn)真的。
作為業(yè)余愛好者，你不會像專業(yè)人士一樣被多年的理論想法所束縛。只要記住這個關(guān)于學(xué)生的故事，他在黑板上看到了兩個看似無法解決的數(shù)學(xué)問題，誤以為是作業(yè)，然后解了出來。事實(shí)上數(shù)據(jù)科學(xué)較于科學(xué)更似藝術(shù)。這是一個吸引了各種各樣學(xué)科背景的博學(xué)者聚集的領(lǐng)域。所以放手去試試你能做些啥把。
誰知道會發(fā)生什么？?
也許你會發(fā)現(xiàn)連專家都錯過的東西；真真切切地影響到癌癥檢測，并將這筆可觀的收益帶回家。
進(jìn)行各種嘗試并從失敗中快速學(xué)習(xí)
如果你是一個開發(fā)人員，你就會知道這個口頭禪。同樣適用于學(xué)習(xí)。我的做法是找出有代表性的書，快速瀏覽他們，看看哪些對我來說是最有意義的。每個人都有不同的口味，所以有些書適合于一個人而其他人卻不喜歡。選最適合你的那個。
現(xiàn)在已經(jīng)有一些關(guān)于機(jī)器學(xué)習(xí)的書，像“Real World Machine Learning”。不幸的是，由于這是個新興領(lǐng)域，大部分的書籍今年才剛剛出現(xiàn)。你可以去預(yù)訂“Deep Learning: A Practitioners Approach?”或“Hands-on Machine Learning with Scikit-Learn and Tensorflow”。
但你不必等待。這里我推薦Safari Books Online。你可以使用現(xiàn)成工具來快速學(xué)習(xí)如何應(yīng)用深度學(xué)習(xí)，這樣你才能在比賽項(xiàng)目里用上。 ?
你要一起使用Kera與?TensorFlow或者Theano，都可以。
你甚至不需要自己設(shè)置。試試github上這個非常棒的一體式深度學(xué)習(xí)Docker映射。（https://docs.docker.com/get-started/#prerequisites）
坦白的說，無論你使用TensorFlow還是Theano都沒關(guān)系。它們本質(zhì)上都是運(yùn)行機(jī)器學(xué)習(xí)的引擎。在你現(xiàn)階段的水平上，兩者幾乎是一樣的，所以選擇一個即可。
Keras是由一流的Google AI研究人員創(chuàng)建的機(jī)器學(xué)習(xí)框架庫。本周末，我有幸地遇見了Keras的創(chuàng)始人Francois Chollet。他把Keras形容為“AI民主化”的關(guān)鍵，他提到“深度學(xué)習(xí)是成熟的，但還沒有被廣泛傳播……你不必是AI研究員才去使用Keras”。而是可以馬上開始使用各種各樣最先進(jìn)的技術(shù)算法。
如果你已經(jīng)有了一個Mac或者是Linux的設(shè)備以及英偉達(dá)顯卡那么你將可以繼續(xù)了。如果沒有，請考慮挑選一款戴爾的外星人。我推薦中檔Aurora系列。你并不需要一個強(qiáng)大的處理器，而是一個SSD、備用磁盤來轉(zhuǎn)存數(shù)據(jù)、16-64GB的內(nèi)存和最好的英偉達(dá)顯卡。你該將你所有的現(xiàn)金集中花費(fèi)在顯卡上，因?yàn)樗麄冋娴目梢约铀偕疃葘W(xué)習(xí)的速度。你進(jìn)一步需要使用Linux重新格式化并獲取最新的二進(jìn)制驅(qū)動程序。不幸的是，開源軟件并不會在你最新的芯片組工作得很好，但及有可能會引起黑屏。你可以參考這個鏈接解決。（https://askubuntu.com/questions/760934/graphics-issues-after-while-installing-ubuntu-16-04-16-10-with-nvidia-graphics）
如果你想自己動手，還有一些教程(https://medium.com/@acrosson/building-a-deep-learning-box-d17d97e2905c)可以幫助于建好需要的設(shè)備。另外，我剛剛在第三部分添加了自己的教程！最后，你可以使用AWS,Google或者Azure cloud，但GPU在云計算里快起來會很貴。在你知道你在做什么之前，購買設(shè)備才比租賃更合適。
實(shí)踐
現(xiàn)在你準(zhǔn)備好開始了。以下是使用Keras入門的超簡單示例。你將需要一個進(jìn)行比賽的方法。再一次我會為你節(jié)省一些時間。目前最有效的標(biāo)記和研究圖像的方法是廣為人知的卷積神經(jīng)網(wǎng)絡(luò)（CNN）。Google, Facebook, Pinterest和Amazon都使用它們進(jìn)行圖像處理和標(biāo)記。你也可以從實(shí)踐中最好的算法開始吧？
實(shí)際上，如果你直奔競賽本身，獲取數(shù)據(jù)集，并查看該教程(https://www.kaggle.com/c/data-science-bowl-2017/details/tutorial)，你將會看到它會引導(dǎo)你切割圖像并使用搭有Keras和TensorFlow后端的CNN。瞧！你幾周可能做的僅僅是實(shí)施教程還不得不把參數(shù)調(diào)來調(diào)去，但可以看看你收獲了什么。
隨后一切會變得瘋狂。在數(shù)據(jù)上使用不同的參數(shù)和算法。做實(shí)驗(yàn)和尋找樂趣。也許你會偶然發(fā)現(xiàn)專家錯失的東西！
如果你準(zhǔn)備嘗試更高級的內(nèi)容，那么在the Kaggle Data Science Bowl 2017 board（Kaggle數(shù)據(jù)科學(xué)超級碗2017, https://www.kaggle.com/c/data-science-bowl-2017/kernels）上有一些很棒的帖子。事實(shí)證明，數(shù)據(jù)科學(xué)家們并沒有超越他們分享的秘笈。查看這一個(https://www.kaggle.com/anokas/data-science-bowl-2017/exploratory-data-analysis)，它是一系列匿名檢查者的CT掃描圖片，有助于你開始探索數(shù)據(jù)。這是一個目前論壇上更先進(jìn)的，最受歡迎的帖子。它可以幫助你做“預(yù)處理”，它基本上是清洗和轉(zhuǎn)換數(shù)據(jù)，使神經(jīng)網(wǎng)絡(luò)更流暢、更容易處理。它實(shí)際上將兩維的圖像轉(zhuǎn)化為3維圖像！超酷！
坦白說，如果你自己輸入這些代碼并讓它運(yùn)行，你已經(jīng)做得很好了。這種編程方法是“艱難的”，直到真正了解前就開始實(shí)踐。甚至還有一系列關(guān)于Python和其他語言的書籍(http://amzn.to/2jQfHvR)，采用這種學(xué)習(xí)方式，它可能適用于你。
一個警告：有些人在比賽中發(fā)布了一個完美的比分。然而卻是以通過研究比賽排行榜和增加訓(xùn)練集大小的小聰明來獲得(https://www.kaggle.com/olegtrott/data-science-bowl-2017/the-perfect-score-script)。這完全合法，但它不會真正有助于你實(shí)現(xiàn)目標(biāo)。你的目標(biāo)是學(xué)習(xí)針對訓(xùn)練集如何運(yùn)行神經(jīng)網(wǎng)絡(luò)。現(xiàn)在我將會跳過這個方法，并專注于針對CT掃描圖像運(yùn)行Keras。
就到這兒！祝你好運(yùn)，你將幫助重新定義癌癥的研究，并把一些現(xiàn)金帶回家。不是糟糕的一天的工作。
但是，即使你沒有贏，你將會很好地學(xué)習(xí)如何在現(xiàn)實(shí)世界中使用AI。
無論發(fā)生什么，記得要玩得開心！
原文發(fā)布時間為：2017-5-08
本文來自云棲社區(qū)合作伙伴“大數(shù)據(jù)文摘”，了解相關(guān)信息可以關(guān)注“BigDataDigest”微信公眾號
總結(jié)
以上是生活随笔為你收集整理的学习AI可能不需要那么多数学知识：20小时进阶计划的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： python的一些常用操作
- 下一篇： ruby动态new对象