自学机器学习的误区和陷阱不要把深度学习作为入门

0.背景
写这篇教程的初衷是希望很多朋友想知道如何开始/转行机器学习,搭上21世纪人工智能的快车 。文章的目的是:1.指出自学的一些误区2.推荐材料不要太多3.提供客观可行的学习表4.给进阶建议学习 。
本文的目标读者是准备零基础自学的朋友,对数学/统计学/编程要求不高,如:
1.自学习机器学习的误区和陷阱
1.1.在开始学习之前不要试图掌握所有相关的数学
在很多相关的回答中,我一再强调,在开始机器学习之前,不要试图补充自己的数学知识 。一般来说,大多数机器学习课程/书籍要求:
如果普通人想要在开始机器学习之前完成所有这些知识,往往需要很长时间,而且很容易中途放弃 。而这些知识是工具,不是目的,我们的目标也不是成为优化大师 。建议在机器学习的过程中填写where和where,更有目的性,更省时 。
1.2. 不要将深度学习作为你的第一课
虽然很多人是来学习深度学习的,但是将深度学习作为机器学习的第一课并不是一个好主意 。原因如下:
更多讨论,看我的回答:深度学习的教学和课程与传统CS的教学和课程有什么区别?
1.3. 不要收集太多数据并保持相关性
机器学习资料很多,有好几G的资料可以下载或观看 。而且很多朋友都有“收藏成瘾”,经常能看到一次性买十几本书的人 。
机器学习正在迅速发展和变化 。介绍期间,建议选择“小而精”的材料,选择近期出版的口碑较好的书籍 。我不止一次提到这个例子:
在很多深度学习教科书,尤其是10年前的教科书中,仍然使用它作为默认的激活函数 。但实际上,校正函数(ReLu)及其扩展变形函数,如 Leaky ReLu,早已成为主流的深度学习激活函数 。但是因为知识的滞后,很多课程/书籍甚至没有介绍 ReLu 章节 。
一般来说,我推荐最近 5 年内出版的书籍,或 10 年内出版的书籍 。虽然有些书很经典,比如汤姆的《机器学习》,但是因为已经出版了20多年,所以不推荐大家购买 。
我在这篇文章中推荐的书籍和课程都比较经典和时尚 。我推荐入门阶段的 1 门课程和 2 本书,高级阶段的 1 本书,深度学习的 1 门课程和 1 本书,以及高级阶段的 2 本书 。
2.机器学习的一些前期准备
2.1. 硬件选择
另一个常见问题是是否可以使用自己的笔记本电脑进行机器学习 。答案是肯定的,市面上的大部分数据集都可以在你的内存中运行 。在入门阶段,我们很少使用非常大的数据集,通常最大的是 MNIST搜索道家术数入门基础知识,可以在个人笔记本电脑上运行 。也可以在笔记本电脑上使用 GPU 进行深度学习,请参阅我的教程:使用 GPU 加速深度学习:安装 CUDA+ 教程 。请不要以学习的名义回购机器...
2.2.软件选择
如果你想做深度学习,Linux 仍然是首选,因为它支持很多学习模型(主要是深度学习) 。但即使你使用的是系统,你也可以使用虚拟机来学习 。小型深度学习模型就足够了,我们很少在本地/个人计算机上运行大型深度学习 。
至于编程语言,首先推荐,因为其良好的扩展支持,主流工具包都有版本 。在某些情况下,也可以选择 R 作为编程语言 。其他可能的语言包括C++、Java、C++,但我个人不推荐 。
我还想在这里提一句 。因为编程是机器学习的基本要求之一,所以建议大家自学一些基本的编程知识(如 ),本文不再赘述 。
2.3. 语言能力
学好英语,至少为阅读和听力打好基础 。尽管中国在人工智能领域做得很好,但主流书籍、期刊和会议都是英文的 。我们可以接受翻译,但最好的方法是能够直接阅读 。即使以后不做机器学习,英文阅读能力还是有很大帮助的 。


以上关于本文的内容,仅作参考!温馨提示:如遇专业性较强的问题(如:疾病、健康、理财等),还请咨询专业人士给予相关指导!

「辽宁龙网」www.liaoninglong.com小编还为您精选了以下内容,希望对您有所帮助: