作者:
deo2000 (800IM)
2017-07-30 00:11:21※ 引述《beaprayguy (小羊快跑啊)》之銘言:
: 最近被deepmind的AI震驚
: AI最核心部分是deep learning
: 閱讀文獻得知,deep learning
: 是透過artificial neural network
: 透過一層一層neuron堆疊,得到一個output
: 若想自學要從哪一方面進入,若相關職缺基礎門檻是什麼。
你好,想要入手 DL,建議先從感知機(perceptron)入手。
感知機是所有類神經網路的單細胞,先讀懂這個才不會覺得門檻太高。
反過來說,連這個讀不懂,那就要再審慎評估自己適不適合機器學習?
perceptron 是最基本的線性機器學習模型,所有機器學習的課本都會講到,
包括田神的書。不過田神的書比較難讀啦,有很多嚴謹的證明。
我自己是從 pattern recognition 入門機器學習的。
實踐是檢驗的最好方法,找一個能一刀畫開的兩類 2D dataset,
你的目標就是找程式自動將他們劃開,這也是機器學習的目標。
逼自己忍住工具的誘惑,不用任何函式庫,用你最熟悉的程式語言自行硬幹 perceptron。
讀理論、實作、讀理論、修改實作、讀理論、再修改實作、讀理論、再繼續修改實作,
如此不斷循環,直到你的 perceptron 程式可以自動找出一類一邊的正確直線為止,
恭喜你!取得了搞懂類神經網路的第一個里程碑!
接下來就推廣到 MLP 以及如何用 back-propagation 收斂,搞懂了就不怕類神經網路,
不過那又是另外一個坑了..
作者: hsnuyi (羊咩咩~) 2017-07-30 00:27:00
林的書跟國外同等級的課比起來 算很平易近人了 每章後面的習題倒比較有水準而且NN是放在e-Appendix 科科e-Chapter 寫錯某些領域SVM還是很棒呢 NN有時提供的少量優勢 必須要用數十倍的training time去換 只能用來發paper
作者: buper (ymsrc) 2017-07-30 03:22:00
看他要時間還是正確性囉
作者:
SouthRa (南宮雨)
2017-07-31 02:49:00哇靠你這篇寫得超排外的 看得懂的只有原本就懂的人新手看了你的介紹馬上就會昏頭了
作者: wildli0422 (wild) 2017-08-01 19:04:00
看不太懂 但是得到很多關鍵字謝謝你
作者: Surrey00 (歷史車隊) 2017-08-02 11:46:00
dick learning
作者:
ppc ( )
2017-08-10 02:32:00這篇寫得不錯啊