Lei Note du réseau Feng: Il est, tube colonne Intelligence artificielle Education, l'auteur original sous-Siraj Raval compilé Lei groupe autorisé Feng.
Titre original Comment faire pour démarrer une IA de démarrage
Traduction | tj Li sous-titres Yuhang | Fan Jiang finition | Liao Ying
Nous sommes au début d'une grande révolution IA, de nouvelles innovations se produisent chaque semaine. Tetra par exemple en utilisant la technologie de reconnaissance vocale pour générer des notes détaillées de votre téléphone; Hyper science extraire facilement des données à partir de la forme à l'aide de l'OCR; Jet Lore utilisant le comportement du consommateur en tant que modèle de l'entrée, la structure de sortie de données. Dans ce numéro de la vidéo, je combiner leur expérience entrepreneuriale, pour vous dire comment démarrer une entreprise de la grippe aviaire.
Un matériel d'apprentissage recommandées
Il est 2018, si vous voulez rejoindre l'armée d'affaires cette année, nous devons d'abord apprendre AI. Si vous ne comprenez pas comment cette technologie étonnante au travail, vous ne pouvez pas créer une solution AI. Si vous commencez à regarder le tutoriel, rappelez-vous cet ordre - les premières données d'apprentissage pour python scientifique, puis l'introduction tensorflow, suivie par la présentation profonde d'apprentissage, et enfin sur les connaissances mathématiques de l'intelligence artificielle.
De plus, les derniers cours d'apprentissage en profondeur de Andrew Ng sont obligatoires, bien sûr Jeremy Howard de Fast.Ai est grande. Mon livre préféré sur la profondeur de l'apprentissage qui lan Goodfellow important apprentissage en profondeur. Cette version électronique du livre est libre, vous comprenez sur les mathématiques en profondeur l'apprentissage est très utile d'apprentissage .Deep prouvé dans une large gamme, nous pouvons aider tous les autres modèles d'apprentissage de la machine.
Par conséquent, le battage médiatique AI est justifiée. Cependant, vous devez savoir exactement ce que l'autre modèle d'apprentissage de la machine est de savoir comment cela fonctionne. Sans être en mesure d'obtenir de grandes quantités de données, vous pouvez construire un modèle simple prédictif. Dans ce cas, la machine à vecteurs de support, même un arbre de décision simple, les réseaux de neurones plus utiles que la profondeur.
La seule façon de savoir quand utiliser ce modèle est la mise en place de l'intuition à propos de AI - un instinct d'obtenir après l'apprentissage et la maîtrise d'un grand nombre de ressources de connaissances AI. Lorsque maîtrisé l'image entière de la construction d'algorithmes AI, vous avez besoin de trouver une étincelle de votre intérêt pour étudier la question - la plupart des entreprises prospères du monde résolvent le problème depuis le début.
En second lieu, les problèmes rencontrés dossier
questions dirigée vers vous et vos amis, ainsi que des problèmes dans la vie à résoudre, ce serait un très bon choix. Ces problèmes qui affectent les gens que vous aimez, vous devrez résoudre son enthousiasme.
S'il n'y a pas de bonnes idées, vous pouvez utiliser les réseaux sociaux pour trouver des gens qui cherchent activement des solutions. L'utilisation de mots clés ou mot-clé pour trouver un sujet de grande frustration a souffert libéré, comme comment puis-je faire pour trouver des solutions aux problèmes, ou bien faire au travail et ainsi de suite. Vous pouvez trouver ces informations sur Reddit ou Twitter et d'autres médias sociaux.
En troisième lieu, lire un voyage
Je pense que la meilleure façon de trouver le problème est Voyage, et le contact avec des personnes différentes. J'ai eu il y a quelques années a duré trois mois à travers l'Europe, à Londres est tombé sur Alex ara, il m'a donné l'inspiration, laissez-moi dans la direction de l'Université avec spécialisation dans les années précédentes, des études d'affaires dans la science informatique. Ceci est ma vie, le plus important changement pour me faire mettre en place une robotique start-up Lucid Robotics.
J'ai lu la troisième année à Cambridge lorsque vous voyagez dans le Sud et l'Asie du Sud-Est pendant quatre mois. Le voyage m'a aidé à un autre point de vue sur la même chose. Après avoir quitté la Silicon Valley, je vais personnellement pour trouver les problèmes que les gens sont confrontés, leurs problèmes de la vie quotidienne liées aux infrastructures, activités commerciales, bien sûr, l'éducation, l'influence sur moi est très grande. De nombreux habitants d'échange simple, éventuellement formé mes propres idées, la formation d'un vaste plan - l'éducation est sur l'IA.
En quatrième lieu, l'enquête préliminaire
Comme Musk a dit: « L'esprit d'entreprise est comme le désordre et difficile. » Si vous n'êtes pas passionné par la résolution d'un problème, vous ne pouvez pas insister. Face peu importe combien de commentaires négatifs. J'ai toujours eu des réserves, parce que ce n'est pas dirigée contre moi, mais contre l'IA pour résoudre le problème. Une fois que vous avez un problème cible à résoudre, il est temps de faire des recherches sur le marché Y compris vos clients, où ils achètent leur prix abordable, qui est le produit ou le service, la configuration des dépenses, que diriez-vous de l'histoire du marché et ainsi de suite.
Le contenu de ce champ peut se référer à dot.com (Internet) et grande entreprise d'analyse de données. Selon les rapports publiés au sujet de l'IA générales start-up, AI start-up divisé en deux catégories: la première est la direction horizontale démarrage IA , Principalement pour des services dans les différents secteurs des problèmes fondamentaux, tels que le traitement du langage naturel; La deuxième catégorie est la direction verticale démarrage Pour les groupes de clients très spécifiques, afin de résoudre leurs problèmes, ce qui appartient à une classe d'industries spécifiques.
Toutes les grandes entreprises technologiques sont très concentrés AI, ils ont embauché Daniel aspects AI, de Hinton à LeCun sont des génies. Au fil des ans qu'ils recueillir beaucoup de données de l'utilisateur, qui ne sont ouverts à leur propre équipe de R & D, de sorte que ces géants scientifiques ont un énorme avantage. Ils ont établi la direction horizontale du produit, peut être utilisé dans de nombreuses industries, telles que la reconnaissance de l'image, la traduction ou d'autres infrastructures.
Et vous avez l'avantage, il peut développer une action rapide sur le terrain dans la direction verticale selon une autre question. Ils n'ont pas le temps de traiter petite question simple, mais vous avez.
En général, ils sont trop préoccupés par l'orientation client et plus d'entreprises, vous pouvez aider les entreprises à créer une page d'accueil personnelle, décrivez votre produit, inscrivez-vous pour la version, le publier sur les réseaux sociaux. Augmentez votre prise de conscience d'une approche produit est d'améliorer votre propre image, lui-même en tant que paquet AI chef de la pensée, un blog ou d'autres formes d'AI pour répondre aux questions de base. Lorsque vous vous inscrivez, laissez le voir d'audience, si vous très bien, le prix de votre produit sera suivi par la croissance - elle est proportionnelle et vous pouvez fournir, ce qui est crucial.
Cinquièmement, chercher des données
Si vous AI dépouillé de la société, mais si vous êtes sur la bonne voie, il est encore un produit de valeur. Si l'IA est votre seule chose, aucun consommateur ou investisseur seront satisfaits. Lorsque vous commencez à la recherche sur le marché, il est d'établir le meilleur moment de votre produit. Modèle, vous devez autant que possible d'organiser et d'étiqueter vos données - apprentissage machine de la qualité des données est souvent la plus grande partie importante du pipeline, plus encore que l'importance de la structure du modèle - l'analyse ne pouvait être rien ordures dans la poubelle à.
Le plus simple est de trouver des données publiées, il y a une grande base de données sur Github, Californie Irvine ML a un énorme dépôt de données, Kaggle il y a beaucoup de grande données. Si ceux-ci ne fonctionnent pas, construire leur propre base de données en utilisant vos données existantes, telles que lorsque vous essayez de classer la police manuscrite, vous pouvez augmenter la méthode de bruit pour générer de nouvelles données à partir des données déjà existantes. Si vous ne l'avez pas étiquetés données, crowdsourcing par Amazon Mechanical Turk est un bon choix. Vous pouvez trouver quelqu'un pour les étiqueter. Il existe aussi des données du marché telles que le cercle de données, vous pouvez acheter directement des mains d'autres personnes ou pour échanger des données.
Enfin, si vous êtes assez créatif, vous pouvez utiliser la bibliothèque de scrapy ou d'un service Web pour écrire des scripts python pour la capture automatique de données, comme sur diggernaut.com. Lorsque vous démarrez la modélisation, le cadre de l'apprentissage machine tensorflow est toujours le plus capable de résister à l'épreuve du temps. Tensorflow écosystème ont un tas d'outils, tels que le produit de tensorflow Serving. Nous vous recommandons un modèle avec vos données par AWS Google Cloud ou FloydHub pour former le modèle. Utilisez votre modèle pour prédire - c'est votre produit. Le plus moyen de données algorithme plus intelligent, signifie également de meilleurs produits, plus d'utilisateurs et plus de données Il en résulte cycle alternatif cyclique.
Sixième, financement
Le financement est une méthode pour accélérer l'expansion des affaires, peut-être cercle ICO est maintenant très populaire, mais si vous êtes assis à une longue période qui peut avoir des problèmes juridiques, ici on ne parle pas. L'un des premier designer de mes amis, il ne veut pas donner son entreprise à faire ICO, la méthode de crowdfunding pour amasser des fonds.
Nous pouvons trouver son approche est très instructive, j'ai eu un article décrivant en détail. Capital-risque (CR) est une autre option pour les investisseurs de capital-risque croire que votre produit est grand en réutilisant certains des mots à la mode. Parmi eux, les meilleurs investisseurs de capital-risque peuvent bien comprendre vos produits, vous devez être prêt à leur expliquer où la technologie.
Si vous pouvez communiquer avec les gens et les investissements en CR dans certains endroits haut de gamme, que vous avez un certain flux de trésorerie, sinon, non. Voilà pourquoi je suis Rejeté tant d'investisseurs de capital-risque à New York - Je ne peux pas prouver mon robot ont un bon marché de vente, donc je n'ai pas eu beaucoup d'investissements, je l'ai fait est de construire un public. Je ne peux accepter d'être pointilleux, mais je ne suis pas préoccupé par le financement.
Sept, le recrutement
Le prochain recrutement. Très peu de génies répartis dans le monde entier, de sorte que le classement mondial de recrutement Kaggle est justifiée, qui est le plus utile de recruter les meilleurs - je trouve qu'il est difficile de trouver la bonne personne pour me aider modifier la vidéo. Si vous aimez vraiment une chose, il est difficile d'abandonner. Si vous trouvez la bonne personne, les choses deviennent plus faciles.
Steve Jobs a dit que la chose la plus heureuse est que vous avez une équipe de base - probablement 10 bonnes personnes. Il peut être contrôlé, dans une certaine mesure, vous pouvez retirer. Après avoir été embauché Aqua ou d'autres grandes sociétés de technologie, introduction en bourse ou être embauché, sinon, vous pouvez prendre ce cabinet de conseil routier, de développer des produits qui non seulement tentant, mais de trouver quelques amis pour commencer une entreprise toujours consulter remplir son ventre, obtenir un certain utilisateur initial, faire la marque lentement, pour se prouver.
Site vidéo https://www.youtube.com/watch?v=9bbS-trc8ys
Lei Feng réseau recommandation relative
Thèse de doctorat et le haut ne sera pas, comment puis-je DeepMind chercheur offre?
Plus d'articles, attention Lei Feng réseau
Ajouter des légendes Lei signaux micro-groupe Feng (leiphonefansub) comme ami
Remarques « Je veux rejoindre », Pour une IA bénévole!
