Machine Learning 从零开始
从零开始的定义是，什么都不懂。既然如此，当然从最基本的什么是machine learning说起。如有说的不对的地方，欢迎指正。
Machine Learning
机器学习，顾名思义就是让机器拥有学习的能力。问题来了，什么是学习能力呢？我们又是怎样让机器拥有学习的能力？回溯我们自己多年来的学习生涯，很容易发现人类对于新事物的学习方法和学习能力都是建立在经验和认知的基础上。那我们是否可以为机器构建类似的经验和认知系统呢？答案是肯定的，否则我们的邮箱就会被垃圾邮件填满，脸书和instagram上也不会有那些你感受不到是广告的广告，当然最直接的是机器学习也不会有如今的热度。从最本源上说，人类的经验其实就是人类自己的大数据, 而人们总爱说的"根据我的经验"其实就是人类在无意识的状态之下对自己的数据库进行分析总结然后对未来事件加以预测。如果经验数据足够多，总结的方向对了，预测的准确度也会相对提高。当我们将人类的经验之谈和学习能力分析到这里，机器学习的定义自然呼之欲出。
机器学习就是让计算机系统通过对已有数据的分析总结，学习如何对未来事件进行预测。
这里出现了机器学习的Sugar Daddy和Sugar Mommy，数据和方法。
Deep Learning
先把几个概念链接扔这里，待我慢慢总结整理。
Machine Learning
机器学习，顾名思义就是让机器拥有学习的能力。问题来了，什么是学习能力呢？我们又是怎样让机器拥有学习的能力？回溯我们自己多年来的学习生涯，很容易发现人类对于新事物的学习方法和学习能力都是建立在经验和认知的基础上。那我们是否可以为机器构建类似的经验和认知系统呢？答案是肯定的，否则我们的邮箱就会被垃圾邮件填满，脸书和instagram上也不会有那些你感受不到是广告的广告，当然最直接的是机器学习也不会有如今的热度。从最本源上说，人类的经验其实就是人类自己的大数据, 而人们总爱说的"根据我的经验"其实就是人类在无意识的状态之下对自己的数据库进行分析总结然后对未来事件加以预测。如果经验数据足够多，总结的方向对了，预测的准确度也会相对提高。当我们将人类的经验之谈和学习能力分析到这里，机器学习的定义自然呼之欲出。
机器学习就是让计算机系统通过对已有数据的分析总结，学习如何对未来事件进行预测。
这里出现了机器学习的Sugar Daddy和Sugar Mommy，数据和方法。
Deep Learning
先把几个概念链接扔这里，待我慢慢总结整理。
Go through some basic ML/DL concepts:
- machine learning https://en.wikipedia.org/wiki/Machine_learning
- deep learning https://en.wikipedia.org/wiki/Deep_learning
- loss function https://en.wikipedia.org/wiki/Loss_function
- log loss http://wiki.fast.ai/index.php/Log_Loss
- gradient descent https://en.wikipedia.org/wiki/Gradient_descent
- mini-batch, SGD, https://en.wikipedia.org/wiki/Stochastic_gradient_descent
- activation function https://en.wikipedia.org/wiki/Activation_function
- relu & variants https://en.wikipedia.org/wiki/Rectifier_(neural_networks)
- logistic regression https://en.wikipedia.org/wiki/Logistic_regression
Revision material
- glossary: features, labels/target, categorical, continuous, binary, one-hot encoding, dummy columns
- supervised learning: https://en.wikipedia.org/wiki/Supervised_learning
- loss functions: https://en.wikipedia.org/wiki/Loss_function
- overfitting: https://en.wikipedia.org/wiki/Overfitting
- train/test split: https://en.wikipedia.org/wiki/Training,_test,_and_validation_sets
- accuracy, precision, recall: https://en.wikipedia.org/wiki/Precision_and_recall
- confusion matrix: https://en.wikipedia.org/wiki/Confusion_matrix
Understand a fundamental Keras model (e.g. connects layer to layer, like a train):
- keras Sequential models https://keras.io/getting-started/sequential-model-guide/
And watch the Stanford DL course lecture 1 slides and seminar.
- NLP with deep Learning video https://www.youtube.com/watch?v=OQQ-W_63UgQ
- NLP with deep Learning slides http://web.stanford.edu/class/cs224n/lectures/
Comments
Post a Comment