给亲推荐一个童鞋曾经问我们的問题:25岁java工程师是做什么的如何转型学习AI
他的问题是这样的:“我是一名25岁的Java开发工程师。本科学习的专业是信息与计算科学(数学专業)因为对计算机方面感兴趣,之后培训学习了Java所以现在从事Java开发。目前就是在电商公司开发一些系统
我对人工智能非常感兴趣,對数学的兴趣也从未减弱人工智能设计的学习材料很多,像我这样的状况如果想要转型以后从事这方面的工作,具体应该学习些什么”
阿里技术童鞋“以均”回信:
首先,我想聊聊为何深度学习最近这么火
外行所见的是2016年AlphaGo 4比1 战胜李世石,掀起了一波AI热潮DeepMind背后所用嘚深度学习一时间火得不得了。其实在内行看来AlphaGo对阵李世石的结果是毫无悬念的,真正的突破在几年前就发生了
2012年,Gefferey Hinton的学生Alex使用一个特别构造的深度神经网络(后来就叫AlexNet)在图像识别的专业比赛ImageNet中,得到了远超之前最好成绩的结果那个时候,整个人工智能领域就已經明白深度学习的革命已经到来了。
果然之后深度学习在包括语音识别,图像理解机器翻译等传统的人工智能领域都超越了原先各洎领域效果最好的方法。从2015年起工业界内一些嗅觉灵敏的人士也意识到,一场革命或已到来
深度学习是机器学习中的一种技术,机器學习包含深度学习机器学习还包含其他非深度学习的技术,比如支持向量机决策树,随机森林以及关于“学习”的一些基本理论,仳如同样都能描述已知数据的两个不同模型,参数更少的那个对未知数据的预测能力更好(奥卡姆剃刀原理)
深度学习是一类特定的機器学习技术,主要是深度神经网络学习在之前经典的多层神经网络的基础上,将网络的层数加深并辅以更复杂的结构,在有极大量嘚数据用于训练的情况下在很多领域得到了比其他方法更好的结果。
大数据:机器学习的基础但在多数语境下,更侧重于统计学习方法
机器学习,深度学习数据挖掘,大数据的关系可以用下图表示
深度学习火起来之后网上关于深度学习的资料很多。但是其质量参差不齐我从2013年开始就关注深度学习,见证了它从一个小圈子的领先技术到一个大众所追捧的热门技术的过程也看了很多资料。我认为┅个高质量的学习资料可以帮助你真正的理解深度学习的本质并且更好地掌握这项技术,用于实践
以下是我所推荐的学习资料:
加州悝工的Yaser Abu-Mostafa教授出品的机器学习网络课程,非常系统地讲解了机器学习背后的原理以及主要的技术。讲解非常深入浅出让你不光理解机器學习有哪些技术,还能理解它们背后的思想为什么要提出这项技术,机器学习的一些通用性问题的解决方法(比如用正则化方法解决过擬合)强烈推荐。
深度学习最重要的研究者也是他和另外几个人(Yann LeCun,Yoshua Bengio等)在神经网络被人工智能业界打入冷宫进入低谷期的时候仍嘫不放弃研究,最终取得突破才有了现在的深度学习热潮。
他在Coursera上有一门深度学习的课程其权威性自不待言,但是课程制作的质量以忣易于理解的程度实际上比不上前面Yaser Mostafa的。当然因为其实力,课程的干货还是非常多的
Google工程师出品的一个偏重实践的深度学习课程。講解非常简明扼要并且注重和实践相结合。推荐
国内小象学院出品的一个深度学习课程,理论与实践并重由纽约城市大学的博士李偉主讲,优点是包含了很多业内最新的主流技术的讲解值得一看。
课程名称:深度学习(第四期)
出了很多免费的机器学习课程理论囷实践相结合。
1.《大数据之R语言速成与实战》免费学
2.《Python基础快速入门实战教程》戳此学习
3.《深度学习与自然语言处理》牛津出品
4.《机器学習快速上手与实战》机器学习专家主讲
《Deep Learning the Book》 —— 这本书是前面提到的大牛Yoshua Begio的博士生Goodfellow写的Goodfellow是生成式对抗网络的提出者,生成式对抗网络被Yann LeCun認为是近年最激动人心的深度学习技术想法这本书比较系统,专业偏重理论,兼顾实践是系统学习深度学习不可多得的好教材。
目湔Github上已经有人翻译出了中文版:
不同的人有不同的需求有些人希望掌握好理论基础,然后进行实践有些人希望能够快速上手,马上做點东西有些人希望理论与实践兼顾。下面推荐几条学习路径照顾到不同的需求。大家可以根据自己的特点进行选择
特点:快速上手,注重实践
最后,再给大家推荐下阿里云栖社区还有人工智能版块每天都有新内容:
更多技术干货敬请关注云栖社区知乎机构号: