?姓名：樊松松

?學號：17021211234

?轉(zhuǎn)載自https://www.leiphone.com/news/201804/wmYdmBLjATQZoH7c.html,有刪節(jié)

【嵌牛導讀】：我必須要去學機器學習哈打，這玩意兒簡直太酷了塔逃！

【嵌牛鼻子】： 機器學習

【嵌牛提問】：給那些開始學習機器學習的人的最好的建議是什么？

【嵌牛正文】：

我是如何開始接觸機器學習的

讓時間回到2017年料仗，我看到了SethBling實現(xiàn)機器學習來玩游戲的一個小演示湾盗。

Sethbling-Marl/O-Machine Learing for Video Games

這個小機器人有了自主學習的能力，甚至可以一次又一次地玩馬里奧游戲立轧，當時我就震驚了格粪。在那之后，我看到了別的使用神經(jīng)網(wǎng)絡(luò)的機器人氛改，被用于各種不同的游戲——

Ding Nicolas-A genetic algorithm learns how to fight!

從 Caryhk 傳統(tǒng)的機器學習項目

carykh-Neural Networks and Unwanted Pregnancies in Evolv.io!

到星際機器學習項目——

Youtube Uploaded-AI SC2 FirstSteps

有些人還做了關(guān)于侃爺 Rap 的 LSTM 項目

Rabboie Barrat-Neural Network Generated Rap, V2

還有Dota2的Open AI

Dota 2 Dendi vs OpenAI(Bot)-1v1-T17

sentdex 制作的 GTA

sentdex-Stream, FPV, and more dada-Python plays GTA P.15

我知道我必須要去學機器學習帐萎，這玩意兒簡直太酷了。

我安裝了TensorFlow胜卤，從syntax上下載了些代碼疆导，但是完全不知道代碼里是怎么一回事，神經(jīng)網(wǎng)絡(luò)的確成功地使用大量的數(shù)據(jù)集葛躏，訓練了模型澈段，但我對代碼所做的每一次修改都會報錯，部分是因為 Python的語法我之前完全沒接觸過舰攒，更為重要的是均蜜，我完全不知道該怎么寫神經(jīng)網(wǎng)絡(luò)。

我先是快速Google了一下“怎樣寫一個神經(jīng)網(wǎng)絡(luò)芒率？”，我發(fā)現(xiàn)了一個由完全聽不同的數(shù)學和符號組成的龐然大物篙顺，對我而言看上去就像是外星語偶芍，那時我感覺到了強烈的挫敗感充择，但我不達目的誓不罷休。就在那時我接觸到了Coursera上吳恩達的機器學習課程匪蟀，我的天椎麦，那個課程同樣也是外星語，我能夠完成前幾章課程完全沒有問題材彪，但那之后观挎，吳恩達又開始講外星語了。

我是如何堅持下去的

同志們段化，如果像我這樣開始機器學習旅程嘁捷，毫無疑問你會碰到一次巨大的詞匯沖擊。相信我显熏，你大多數(shù)的困惑是因為無法理解提及的單詞所引起的雄嚣。當我意識到這個之后，我改變了我學習方法喘蟆，轉(zhuǎn)而去學習這個龐大的外星語缓升。在我學習的過程中，有很多術(shù)語和符號會反復出現(xiàn)：向量蕴轨，矩陣港谊，激活函數(shù)傳播，機器學習等等橙弱。我在“向量”這個概念上花了一段時間歧寺，感謝 unity3D，每當我覺得理解了機器學習中的一些概念膘螟，比如矩陣乘法成福，我都會回到我最喜歡的機器學習資源，去看看它們對于我來說荆残，是不是變得容易理解了奴艾。我很驚訝突然之間，我能夠稍微更好地理解這門外星語了内斯。

每當有概念毫無頭緒讓我止步不前蕴潦，我都會把他們單獨拿出來，舉個例子俘闯，當我遇到sigmoid或者其他的激活函數(shù)潭苞，我就會列出一堆困擾我的問題，然后一個個單獨查找真朗。

說到這此疹，我非常推薦可汗學院.com。這里有所有在你寫自己的機器學習算法所要用到的。我在這里列出了一些你需要去學習的很重要的數(shù)學課供你參考蝗碎，對我個人而言湖笨，幫助很大。

我個人很喜歡的學習資源：

Activation Functions -https://en.wikipedia.org/wiki/Activation_function

Luis Serrano's Neural Network Series (REALLY GOOD) -?https://www.youtube.com/watch?v=UNmqTiOnRfg

Giant_Neural_Network's Neural Network Series (REALLY GOOD) -https://www.youtube.com/watch?v=ZzWaow1Rvho

Macheads101's Neural Network series -https://www.youtube.com/watch?v=OypPjvm4kiA

3Blue1Brown's Neural Network Series -?https://www.youtube.com/watch?v=aircAruvnKk

Hugo's Neural Network Series -http://www.mooc.ai/course/300

James Mccaffrey Talk (A BIT OUTDATED INFORMATION BUT STILL A FUN ONE)-https://www.youtube.com/watch?v=-zT1Zi_ukSk

一些很重要的數(shù)學課

Vectors (explained with Linear Algebra):https://www.khanacademy.org/math/linear-algebra/vectors-and-spaces

Vectors (explained with PreCal):https://www.khanacademy.org/math/precalculus/vectors-precalc

Matrices:https://www.khanacademy.org/math/precalculus/precalc-matrices

Sequences:https://www.khanacademy.org/math/precalculus/seq-induction

Derivative Rules: hhttps://www.khanacademy.org/math/ap-calculus-bc/bc-derivative-rules

一些可能會幫助到你的數(shù)學課

Algebra Functions:https://www.khanacademy.org/math/algebra/algebra-functions

Quadratics:https://www.khanacademy.org/math/algebra/quadratics

Irrational:https://www.khanacademy.org/math/algebra/rational-and-irrational-numbers

Analyzing Categorical Data:https://www.khanacademy.org/math/statistics-probability/analyzing-categorical-data

我的建議

（1）更好地理解偽代碼

我覺得學習如何寫機器學習算法最好的方法蹦骑，就是去更好地理解偽代碼慈省。我們要理解如何去計算它們，還有各種不同的能夠相互轉(zhuǎn)換的指數(shù)眠菇。在我的經(jīng)驗里边败，大多數(shù)情況下，偽代碼是十分清晰的捎废。但如果不是的話笑窜，可能是因為在外星語中出現(xiàn)的太頻繁了。

學習怎樣將偽代碼轉(zhuǎn)換成你最喜歡的編程語言缕坎，其實是最重要的事怖侦。其實沒有一個一碼通吃的神經(jīng)網(wǎng)絡(luò)，實際上當你從不同的老師那里學習怎樣寫神經(jīng)網(wǎng)絡(luò)的時候谜叹，請一定要注意匾寝，他們不會總是使用同樣數(shù)量的輸入，隱藏層節(jié)點荷腊，激活函數(shù)艳悔，可能連術(shù)語都不一樣，有些老師可能會把偏置說成另一個詞女仰，這就是偽代碼如此重要的原因猜年。

（2）前饋神經(jīng)網(wǎng)絡(luò)例子

除了之前所說的我能給你最好的建議，就是用一個簡單的前饋神經(jīng)網(wǎng)絡(luò)例子來開始你的學習疾忍，這有一個很好的例子——做一個文字顏色預測器乔外，當你提供給它，紅一罩，綠杨幼，藍值作為輸入的時候，嘗試去訓練它作出聂渊，在此之上應該使用深色字還是淺色字差购，讓它能夠可以被認出來的預測。我覺得這是個很好的有很簡單的項目汉嗽，值得認真研究以此來學習機器學習的基礎(chǔ)欲逃。

（3）立刻開始著手

建議你從最開始就著手寫你的神經(jīng)網(wǎng)絡(luò)，我指的是你學習的第一天饼暑，就在這個視頻結(jié)束的時候稳析，立刻打開你的IDE洗做。紙上得來終覺淺，絕知此事要躬行迈着。盡管理論上知道竭望，如何寫神經(jīng)網(wǎng)絡(luò)很酷，但實際去寫一個神經(jīng)網(wǎng)絡(luò)是完全不同的裕菠。

當你開始去寫一個神經(jīng)網(wǎng)絡(luò)的時候，你會卡住闭专，然后你就有了第一個需要去找的問題奴潘，嘗試去解決它，如此往復影钉，直到你成功画髓。我特別希望，從最一開始我就知道這個建議平委，這可能會減少我大部分學習的時間奈虾。

（4）站在巨人的肩膀上

如果你真的想要能夠很好地寫出機器學習算法，你需要依靠他人的研究和代碼廉赔，因為事實上這其實還是一個剛起步的領(lǐng)域肉微，每周都會有新的東西誕生。

最后一個我想給你們的重要建議是蜡塌，其實你也可以不像我之前說的那樣做碉纳，形象點來說，機器學習就好像電腦一樣馏艾。如果你真的想要一臺電腦劳曹，你可以從頭組裝一臺，或者你也可以直接買一臺整機琅摩，這兩件事最后的結(jié)果是一樣的铁孵。我個人想要去學習如何從頭構(gòu)建神經(jīng)網(wǎng)絡(luò)因為，我是個控制欲很強的瘋子房资。

有很多諸如蜕劝，TensorFlow，PyTorch志膀，Theano熙宇，Keras，和其他的機器學習框架溉浙，他們就好像是一臺裝好的電腦烫止，你可以直接開始看教程，開始學習怎樣去使用它們戳稽，你不需要關(guān)心很多馆蠕，諸如導數(shù)期升，矩陣乘法，激活函數(shù)這些概念互躬，這些機器學習框架已經(jīng)把大多數(shù)復雜的事情做好了播赁，不過顯而易見的，以此為代價的就是吼渡，當網(wǎng)絡(luò)內(nèi)部出現(xiàn)問題容为，或者運行不正確時，找出哪里出現(xiàn)問題寺酪，會是件很困難的事坎背，這都取決于你想要什么

不管怎么樣，請一定要記得滿足你的好奇心寄雀，在機器學習的道路上走得越來越遠得滤。