Source: Intelligence artificielle titres

3369 mots article est recommandé lecture 5 minutes.

Cet article espère commencer dans une perspective blanc, de fournir une réelle des conseils professionnels et des conseils pour tout le monde du point de vue de base zéro.

l'apprentissage en profondeur à la fin comment chaud, ici je ne suis souligné plus, et donc il y a beaucoup de gens se soucient de ce quelques questions, « il convient de passer à l'apprentissage en profondeur (apprentissage de la machine) », « comment passer à l'apprentissage en profondeur (apprentissage de la machine) « » Quel est le matériel nécessaire pour introduction passer à l'apprentissage en profondeur? « et ainsi de suite.

Les questions de réponse correspondant est en ligne aussi plus en désordre, il n'y a pas de cur de prendre, pas la fondation et ainsi de suite.

Trop de gens ne prennent pas en compte certains à titre professionnel, il est précisément de changer d'emploi, en savoir plus préoccupé par le problème, donc nous voulons sortir d'un point de vue blanc, vraiment fournir des conseils d'experts pour tout le monde du point de vue de base zéro et des conseils.

Évitez tout le monde de voir beaucoup d'informations inutiles, des détours. Ensuite, l'article suivant de plusieurs directions, d'élargir le récit:

• Quel genre de personne se intégrer dans la ligne d'apprentissage profond?
• l'apprentissage de profondeur comment apprendre?
• Quelles sont l'étude approfondie d'entrée du matériel recommandé?

Qui devrait se joindre à l'apprentissage en profondeur

l'apprentissage de profondeur il y a un certain seuil, il est inévitable, non seulement l'Internet qui est devenu une « commutation étroite ». Vous pourriez être combiné avec des scénarios d'affaires réels, nous devons reproduire certains modèles, même certains modèles de leur propre conception, il est donc nécessaire d'avoir un peu de maths, anglais, etc. capacité de programmation.

1. collège, diplôme d'études secondaires est adapté pour l'apprentissage apprentissage en profondeur?

Ici, je ne recommande pas une telle personne à commutation étude approfondie, car vous avez besoin est maintenant pas la profondeur de l'apprentissage, mais l'accumulation de connaissances de l'école secondaire, l'Université d'accumulation de connaissances, le mode de formation de la pensée, si vous êtes jeune, alors je vous suggère de visiter ces le chemin à parcourir terminé, puis considérer la ligne de l'apprentissage en profondeur.

Il y a beaucoup de possibilités, il n'y a pas besoin de se précipiter pour faire un choix tôt dans votre vie. Bien sûr, si vous avez atteint un certain âge, et que je pense est vraiment pas besoin de lancer dans ce qui précède, et il y a beaucoup de possibilités de gagner de l'argent.

2. que ce soit pour les étudiants en arts libéraux à apprendre la profondeur de l'apprentissage?

Pour les étudiants en arts libéraux, je pense que vous ne pouvez pas être généralisé. Certains étudiants en arts libéraux, en particulier la linguistique d'apprentissage, et de la littérature, et leur façon de penser peut être plus biaisé en faveur de la pensée divergente, pour la capacité de la pensée logique peut manquer.

Pour ces personnes, il est recommandé de ne pas se joindre à l'apprentissage en profondeur, plus d'un espoir de faire un bon travail dans l'industrie, ou vous pouvez choisir un certain gestionnaire de produits d'apprentissage en profondeur, et donc ce poste, afin d'éviter une partie de la programmation, la conception de la mission de formation de modèle.

Parcours professionnel 3. mécanique, électrique et d'autres sciences et en génie qui convient à se joindre à l'apprentissage en profondeur?

Pour les étudiants de la science et de l'ingénierie tels que l'électricité, électronique, mécanique, chimique, biologique et ainsi de suite, si vous choisissez de rejoindre l'apprentissage profond, se sentir personnellement qu'il est encore possible.

par exemple mécanique, de nombreux amis de l'industrie des machines, entrera en contact avec quelques-unes des tâches de programmation les sous-tendent, les majors pour certains liés électroniques et électriques, souvent exposés également des tâches de programmation.

De même, ont aussi une certaine connaissance du traitement du signal, pour ces personnes, la profondeur de l'apprentissage et l'apprentissage machine, barrières à l'entrée sont relativement bas. Bien sûr, en fait, mais aussi avec leur propre situation, en particulier si approprié, vous pouvez contrôler plusieurs standards derrière moi.

4. trop vieux pour un changement de carrière si la profondeur de l'apprentissage?

Personnellement, je ne recommande pas, parce que la compétitivité de base de certains jeunes et en effet il y a quelques lacunes. Si possible, préfèrent être en mesure d'aller en profondeur dans l'art.

5. Dieu nous réjouissons de deux ou trois mois apprendre à être plus grand que le salaire annuel de 200000 +.

Toute une technique à apprendre, besoin d'accumuler un certain temps, en particulier pour l'apprentissage en profondeur, l'apprentissage machine ce genre de travail. Le court terme, combinée à l'orientation professionnelle, vous pouvez être la première avenue aperçu, mais certainement pas compétent. Apprendre, après un certain temps d'accumuler, le salaire annuel de 200000 + espoir est encore très grande.

Sous résumé, ce sont les gens entrent dans la ligne apprentissage en profondeur?

• apprentissage Université étudiants préparant une licence de mathématiques avancés, maître des étudiants de doctorat;
• Il y a post-service du personnel technique de l'entreprise basée sur les mathématiques avancées, ce qui permet aux besoins d'Amnesty International;
• Au cours du dernier PC, iOS, le code de développement agricole Android, il se programment base de personnes;
• Ont une bonne capacité Undergraduates de la pensée logique.

Comment rejoindre l'apprentissage en profondeur

Discutez de ce que les gens entrent dans l'étude de la profondeur de la ligne, laissez-nous jeter un oeil à la profondeur d'apprendre à apprendre?

Vous devez notamment passer par les étapes suivantes:

• Vue d'ensemble de l'étude approfondie globale : Apprendre à comprendre la profondeur des vies passées, pourquoi éclaterait engouement d'apprentissage profond? Ce qui implique ce genre de domaine, des produits, des entreprises et des représentants de tous les horizons de la vie dans l'application de la technologie là. Connaissance approfondie possible de l'apprentissage des sciences;
• connaissance approfondie Introduction à apprendre: apprentissage en profondeur, l'apprentissage de la machine, l'intelligence artificielle et d'autres différences et les connexions;
• étude approfondie de la connaissance préalable: Fondements mathématiques (algèbre linéaire, matrices, probabilités et statistiques, optimisation, etc.), la machine d'apprentissage base de programmation de base;
• apprentissage en profondeur les connaissances de base: réseau de neurones, la profondeur de la structure du réseau, la tâche d'image, la tâche de la voix, les tâches en langage naturel;
• Connaissance approfondie de l'apprentissage en profondeur: Comment utiliser le cadre de l'apprentissage en profondeur, pour terminer la construction du réseau, train.

l'apprentissage de profondeur sur la société, qui est, la société d'intelligence artificielle, nous avons mentionné plus haut, ici, nous allons mettre en évidence certaines des entreprises représentatives:

• La technologie de reconnaissance vocale, les entreprises nationales IFLYTEK, Baidu. Les sociétés étrangères Google, Amazon et Microsoft, l'industrie est l'application intelligente des haut-parleurs et d'autres produits;
• Image technique de reconnaissance, comme la fabrication du Hikvision de sécurité, la technologie Tu Senke, selon la technologie figure, comme la technologie Kuang, est représentative de reconnaissance faciale, iPhone X reconnaissance faciale;
• la technologie Autopilot, comme Tesla, Uber, Baidu et d'autres entreprises pour développer les compétences de conduite automatique;
• Le secteur financier pour prédire le cours des actions, la surveillance des maladies dans le domaine médical, le domaine de l'éducation et d'autres technologies permettant;
• Alibaba milliers Taobao de milliers de nouilles.

Nous examinerons ensuite à une partie de l'Introduction à la connaissance de la profondeur de l'apprentissage.

Nous devons être clair que l'apprentissage en profondeur est une sorte de méthode d'apprentissage de la machine, en plus de la profondeur de l'apprentissage, y compris aussi la régression linéaire, la régression logistique, SVM, Forêt aléatoire, modèles graphiques, bayésienne, et tant de façons.

La profondeur de l'apprentissage, toutes les tâches sont valables pendant un certain temps, ont également besoin d'utiliser des méthodes d'apprentissage traditionnelles de la machine. L'apprentissage de la machine est essentielle pour obtenir un moyen technique de l'intelligence artificielle de.

l'apprentissage et la profondeur machine traditionnelle différences d'apprentissage et les connexions qui l'ont? Tenez compte des ces points suivants.

• dépendances de données. l'apprentissage et la profondeur d'apprentissage machine traditionnelle principale différence est que, avec l'augmentation de la taille des données de performance est également en croissance. Quand il y a peu de données, l'algorithme d'apprentissage profond est très facile à surajustement (il peut être simplement interprétée comme une mauvaise performance).
• dépendant du matériel. algorithme d'apprentissage profondeur nécessite beaucoup d'opérations de la matrice, le GPU est principalement utilisé pour optimiser les opérations de la matrice d'efficacité, de sorte que le GPU est la profondeur de l'apprentissage au travail matériel doit. Par rapport à des algorithmes d'apprentissage machine traditionnelle, l'apprentissage en profondeur plus dépendants des machines haut de gamme installés GPU. Bien sûr, en plus du GPU, il y a une autre étude approfondie du développement de la puce est également très important. La pratique habituelle est, la formation du GPU, et l'utilisation de l'apprentissage en profondeur autre puce au lieu du projet réel.
• représentation des fonctions. machine traditionnelle apprendre à compter davantage sur la conception manuelle dispose nécessaire d'introduire des connaissances de domaine supplémentaire, et la profondeur de l'apprentissage, il est possible d'extraire directement des caractéristiques différentes sur la taille des particules, il est possible d'avoir une capacité de représentation supérieure.
• Bout à bout. Pour les méthodes traditionnelles d'apprentissage de la machine, accorder plus d'attention aux règles de conception de la logique, pour résoudre un problème, il sera divisé en plusieurs sous-problèmes, et la profondeur est davantage l'accent sur l'apprentissage du point de vue des données directement à la question les problèmes, ce qui est plus fin à la fin.
• temps de formation. modèle de formation d'apprentissage en profondeur prend généralement beaucoup de temps, mais heureusement l'épreuve du temps, vous avez besoin moins de temps.
• Interprétabilité. l'algorithme d'apprentissage en profondeur peut explicative un mauvais fonctionnement comme une boîte noire.

Une compréhension complète de la situation de base d'un apprentissage en profondeur de l'avenir, nous attendons à une certaine profondeur apprendre à apprendre, Quelles sont les connaissances dont vous avez besoin avant d'apprendre?

• mathématiques (Nombre élevé d'algèbre linéaire, probabilités et statistiques, analyse de la matrice, l'optimisation à s'il y a possibilité de comprendre les connaissances pertinentes);
• Anglais Vous avez besoin de lire beaucoup de littérature anglaise, la capacité à lire et à comprendre l'anglais ou devrait avoir;
• programme , Au moins Python, si vous avez l'énergie pour en apprendre davantage sur le C / C ++;
• Machine Learning , De comprendre ce que sur certains algorithmes de conseils traditionnels ou d'apprentissage de la machine.

Prêt pour une partie de la capacité de base ci-dessus à l'avenir, Regardons certaines des connaissances de base de la profondeur de l'apprentissage, vous devez savoir:

• Les réseaux de neurones;
• CNN, RNN, LSMC autres différentes architectures de réseau;
• profondeur du cadre de l'apprentissage: Comment Caffe, tensorflow, ainsi que l'utilisation de ces cadres;
• Apprentissage + modèle de traitement d'image de profondeur;
• + Modèle de reconnaissance vocale d'apprentissage profond;
• + Etude approfondie modèle de traitement du langage naturel.

Remarque:  Pour (apprentissage en profondeur + modèle de traitement d'image, la profondeur de l'apprentissage + modèle de reconnaissance vocale, la profondeur de l'apprentissage + modèle de traitement du langage naturel) trois tâches mentionnées ci-dessus, en fait, vous n'avez pas besoin d'être compétent dans tout, se concentrer uniquement sur un domaine peut, cela devrait être combiné avec son intérêt pour la perspective.

Des articles spécifiques peuvent regarder les précédentes « application, les applications, l'application de la vision par ordinateur dans l'étude approfondie de l'industrie dans l'étude approfondie de la technologie vocale dans le domaine de l'apprentissage en profondeur dans l'industrie de traitement du langage naturel », qui préfèrent voir leur industrie, au début prenez cette base de recherche-industrie, suivi si on leur donne l'occasion, en tenant compte du cadre technique général et à un niveau supérieur.

Enfin, nous insistons sur la partie théorique est terminée, nous insistons sur la mise au point sur les connaissances avancées sur, qui est la partie réelle. Lorsque nous apprenons la profondeur de l'apprentissage, il faut reconnaître que la profondeur du programme encore besoin d'en savoir plus! Programmation! Programmation! En d'autres termes, nous ne pouvons pas arrêter au niveau théorique, encore besoin de plus de capacité pratique sur le tas, l'utilisation de Caffe tensorflow ou expérience avec des tâches pratiques de classification. La seule façon de l'expérience Accumuler plus rapide, une étude approfondie de l'entrée plus tôt.

Enfin, nous recommandons des cours et du matériel pédagogique pour tout le monde:

• Tout d'abord, l'algèbre linéaire, a recommandé l'introduction de cours au MIT « MIT Cours Open: algèbre linéaire », vous trouverez cette science et nous ne semblent pas avoir la même algèbre linéaire, cette explication plus facile à comprendre! ! Ne restez pas dans le niveau des problèmes de calcul, il est vraiment utile!
• Apprentissage Stanford: Stanford University cours publics: cours d'apprentissage machine, ce n'est pas souligné, bien sûr NG, l'industrie en général sera le prochain à apprendre!
• Zhang Zhihua « apprentissage statistique » de l'enseignant, « Introduction to Machine Learning », ce cours couvre plus approfondie théorie de l'apprentissage automatique statistique, la théorie des probabilités après lecture, vous aurez une meilleure compréhension!
• Zhou Zhihua livre pastèque professeur, son introduction générale à l'apprentissage de la machine est assez basique! Rappelez-vous quand la recherche d'un emploi, avant chaque entrevue lire ce livre!
• Caffe et l'apprentissage tensorflow est plus d'une réalisation d'une partie de la démo et lire l'article, je présenterai un certain cours d'introduction suivi, l'espoir que nous pouvons continuer à apprendre.

Le personnel d'exploitation: Ran Colline