المصدر: تقريبا الإنسان

هذه المقالة حول 5000 كلمة وأوصى القراءة لمدة 10 دقائق.

الكاتب يوفر التعلم الآلي مسار التعلم الكامل. ML من DL، Scikit-تعلم TensorFlow، وهذا هو دليل Xuehai.

وقد كانت هناك عدة مرات عندما كنت تحاول الوصول إلى موضوع جديد أو منطقة، وسوف يكون الخلط، مشوشا ودون "الطريق" للمتابعة. كيفية التأكد من الحصول على فهم عميق للوالقدرة على استخدام تفعل؟ وبطبيعة الحال، والتعلم من مسار ناضجة الآخرين، ثم يتبعه خطوة التعلم الخطوة التي يمكن أن تأخذ الكثير أقل الطرق الالتفافية.

في هذه المقالة، تلخص الكتاب تجربة ثلاث أو أربع سنوات آلة التعلم التعلم من الإنترنت لجمع عدد كبير من المشاريع المفتوحة المصدر، والأدوات، ودروس فيديو وروابط لموارد أخرى، وتنظيمها إلى مسارات فعالة للتعلم.

عنوان المشروع: الشبكي: //github.com/clone95/Machine-Learning-Study-Path-March-2019

تم تصميم هذا المستودع لتوفير ثلاثة مسار التعلم الكامل العضوي للمناطق التالية:

• آلة التعلم
• ذكاء الأعمال (قريبا)
• الحوسبة السحابية (قريبا)

هنا سوف تكون قادرة على فهم المبادئ والممارسات ذات الصلة التي ستستخدم في المشروع. إذا كنت تتبع بعناية هذه مسار التعلم، يمكنك البدء من الصفر لبناء فهم كامل والحصول على المهارات دائما متاحة. في الواقع، هذه المسارات التعلم ليس من الضروري أن يكون لديهم معرفة مسبقة، ولكن البرمجة الأساسية والمفاهيم حسابية بسيطة هو شرط ضروري لغالبية فهم وممارسة.

كل الموارد المذكورة هنا هي مصدر المجانية أو المفتوحة، والمؤلفين في محاولة للتعبير بطريقة موجزة في ذلك لتجنب عدم معقدة جدا. وبالإضافة إلى ذلك، حاولت الكتاب لمتابعة مستوى وتعقيد لتنظيم المحتوى من أجل توفير آلة التعلم مفهوم متماسكة مبادئ التعلم.

يقول المؤلفان هذا الدليل الثاني (BI) سيصدر في غضون 2-3 أسابيع:

• آلة مهنة التعليم - نشر
• مهنة ذكاء الأعمال - قريبا
• سحابة الحوسبة المهنية - قريبا

ما يلي هو خارطة طريق لمسارات التعلم المختلفة (خارطة طريق التعلم الآلي نشره).

ثلاثة مسار مواضيعي

في مسارات ثلاثة، وقد تم الانتهاء مهندس آلة التعلم ونشر وتحليل بيانات الأعمال الأخرى، والحوسبة السحابية لم يكتمل بعد. التي في التعلم الآلي من المهندسين بحاجة لمعرفة الأدوات الأساسية للتعلم الآلة التقليدية لخلق عمق كاملة من المعرفة، ولكن أيضا معرفة كيفية تطوير ونشر النموذج الهندسي.

في عملية التعلم ML و DL، والتركيز الكتاب هو وفقا لمستوى فهم لمفهوم كل نموذج، وتنفيذ هذه المفاهيم مع إطار مفتوح مصدر ممتاز. في وقت لاحق في المقالة التي سوف أعرض نماذج محددة والمهندسين أدوات التعلم الآلي يجب أن تعلم أن تنمو خطوة خطوة.

لمدة مسارات الأخيرة، أنها تركز على محتوى مختلف، والمعرفة ليست هي نفسها، والطلاب المحتاجين يجب أن تنتظر بضعة أسابيع. وبالإضافة إلى ذلك، يقدم المؤلف أيضا بعض التوسع إضافية من المعرفة، بما في ذلك الموضوعات البيانات والموضوعات المهارات.

حيث عرض بيانات العمليات المختلفة للبيانات، الذي هو في الحقيقة جوهر كل أدوات عمال البيانات. من وجهة نظر واحدة، والتعامل مع البيانات هو الفن، وأفضل الممارسات سوف تساعدك على فهم الطريقة الصحيحة لمعالجة البيانات، ولكن تحتاج أيضا إلى تطوير "بديهية" وكيفية التعامل مع البيانات، وهذا "الحدس" معظم من السياق وتجربة مدفوعة. وبناء على هذا، وسوف تركز هذه المواضيع على التدريب والممارسة.

آلة التعلم المهندس ROAD TO SUCCESS

يصف هذا القسم قد تم نشر مسار التعلم مهندس تعلم الآلة، ويدخل المؤلف الكثير من موارد التعلم، فإننا تظهر فقط مثال وجيزة، لمزيد من التفاصيل يرجى الاطلاع على المشروع الأصلي.

كل شيء المذكورة هنا هي مفتوحة المصدر ومجانية، ومعظم تأتي من الجامعات والجمعيات مفتوحة المصدر ذات الشهرة العالمية.

عندما نتعلم شيئا جديدا، وخاصة المحتوى اتساعا وتعقيدا من تلك الأشياء، فمن الضروري لتفادي الخلط. لذلك المقال القادم سوف أعرض بعض المحتويات ذات الصلة، وإلى أقصى حد ممكن من نفس سياق ومضمون هؤلاء المؤلفين. دون محتوى الصحيح، جمعت الكتاب نظرية وأمثلة من المحتويات، فضلا عن عدد من النقاط إلى مورد، مثل "أفضل الممارسات من ______".

على طريق تعلم ينقسم إلى أربعة أجزاء:

1. المتطلبات الأساسية

• الثعبان
• Jupyter المحمول
• نحن بحاجة إلى معرفة الرياضيات
• مسار آلة التعلم

2. مكتبة آلة التعلم مع Scikit وتعلم

• لماذا Scikit وتعلم؟
• مشروع تعلم الآلة نهاية
• الانحدار الخطي
• تصنيف
• مدرب
• SVM
• قرار شجرة
• التعلم المتكاملة والغابات عشوائية
• دون رقيب التعلم
• ملخص الحالي وآفاق المستقبل

3. تعلم الشبكة العصبية مع TensorFlow

• لماذا TensorFlow
• وتعمل TensorFlow
• ANN-- الشبكة العصبية الاصطناعية
• CNN-- التفاف الشبكة العصبية
• RNN-- الشبكة العصبية المتكررة
• شبكة التدريب: أفضل الممارسات
• من التشفير
• تعزيز التعلم
• الخطوة التالية

4. أداة التعلم

• مشروع التعلم الآلي
• أدوات العلوم البيانات
• بلوق / قنوات يوتيوب / المواقع

الخلفية الثقافية

الثعبان هي واحدة من أكثر لغة البرمجة مفيدة وشعبية، لذلك فمن المفهوم للتعلم آلة شيء. ومعظم حقول بيانات الإطار كعلم، TensorFlow وبيثون جنبا إلى جنب، وScikit تعلم هو مكتوب في بيثون.

باختصار، يتم استخدام Jupyter الدفتري لكتابة وتشغيل بيثون محرر التعليمات البرمجية. فإنه يعني الحاجة إلى التعامل مع عدد كبير من البيانات التجريبية، ويتم تنظيم التجارب في شكل ملموس لمعرفة المحتملة، لذلك Jupyter محمول على ما هو أساسي.

بيثون وJupyer المحمول هو الأكثر حدة أساسية، وأعتقد أننا باتت مألوفة جدا. إذا كنت بحاجة إلى سلوك طريق التعلم الآلي، بالإضافة إلى بيثون، أولا وقبل كل شيء بحاجة إلى معرفة كيفية استخدام المكتبة حساب العددية نمباي، مكتبة التصور Matplotlib والبيانات وتجهيزها مكتبة الباندا، فهي أداة لا غنى عنها لمشروع التعلم الآلي.

كان من الصعب أن أقول جهازك وراء الرياضيات التعلم؟ ذلك صحيح أيضا. ومع ذلك، تكون على علم أنه في كل مرة كنت تستخدم ذلك، فإن الجهاز سوف يعالج هذا بالنسبة لك. حتى هذه النقطة هي للاستيلاء على المفاهيم الرئيسية والتعرف على القيود وتطبيقاته. إذا كنت لم تكن مألوفة مع هذه المفاهيم، وعلم ذلك، لأن هذا هو المكان الذي يعمل كل شيء.

مع هذه الموارد الثلاثة، سوف تكون قادرا على فهم معظم الأشياء كنت حقا بحاجة فهم متعمق.

دورات نوعية في الجبر الخطي: الشبكي: //ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/ جنبا إلى جنب مع المفاهيم الأساسية لالاحتمالات والإحصاء: الشبكي: //www.edx. غزاله / دورة / مقدمة إلى احتمال-0 عليك أن تعرف أكثر من الرياضيات: الشبكي: //explained.ai/matrix-calculus/index.html#sec4.5

الكتب التالية، والذي يصف ما هو مهم وما آلة الزمن تعلم احتياجات التعلم آلة، وهذه هي معظم موجزة ولمحة عامة النيرة من أكثر.

العنوان: الشبكي: //www.oreilly.com/library/view/hands-on-machine-learning/9781491962282/ch01.html

عملية التنمية البرمجة التقليدية

آلة عملية التنمية التعلم آلة التعلم وScikit وتعلم

Scikit وتعلم هي واحدة من الأكثر اكتمالا والأكثر نضجا والكامل ملف آلة كاملة تعلم مكتبة المهمة. Scikit وتعلم مع ميزات قوية ونماذج متقدمة لتحقيق من وظائف مربع، ويوفر مرافق لمعالجة البيانات العلمية. في المرة الأولى التي تستخدم، يقترح المؤلفان أن تذهب أكثر من حالة Kaggle التالية، وهذا هو الغرض من محاولة ركاب تيتانيك سواء للتنبؤ ناجين على الأرجح.

عملاق سبيل المثال: الشبكي: //www.kaggle.com/startupsci/titanic-data-science-solutions

أمثلة أخرى ومزيد من المعلومات متاحة على Kaggle، توفر منصة ثروة من مجموعات البيانات المجانية وكذلك تحديا مثيرا للاهتمام واختبار آلة نموذج التعلم.

1. الانحدار الخطي

أبسط شكل من أشكال التعلم الآلي، ولكن أيضا لجميع المهتمين في بيانات مجموعة نتيجة للتنبؤ نقطة البداية.

مثال 1: الشبكي: //scikit-learn.org/stable/auto_examples/linear_model/plot_ols.html#sphx-glr-auto- مثال 2: الشبكي: //bigdata-madesimple.com/how-to-run-linear- الانحدار في والثعبان scikit تعلم / مثال 3: الشبكي: //www.geeksforgeeks.org/linear-regression-python-implementation/

2. تصنيف

عندما تريد التنبؤ بنتائج من الاحتمالات المختلفة، وتصنيف واحدة من أكثر المهام تعلم الآلة الهامة.

ثنائي: الشبكي: عودة //machinelearningmastery.com/make-predictions-scikit-learn/logistic: الشبكي: //towardsdatascience.com/building-a-logistic-regression-in-python-301d27367c24 المصنف المقاييس: الشبكي: //medium.com/thalus-ai/performance-metrics-for-classification-problems-in-machine-learning-part-i-b085d432082b

3. دعم آلة المتجهات (SVM)

آلة الدعم الموجه هو نموذج ML كلاسيكية جدا، الهدف منه هو إيجاد مبدأ الفائق لتقسيم العينة، وتقسيم تكبير الفاصلة الدرجة، وفي نهاية المطاف إلى مشاكل البرمجة التربيعية المحدبة لحلها.

الشرح النظري: الشبكي: //www.bilibili.com/video/av28186618 دليل عملي: الشبكي: //www.bilibili.com/video/av38543231 دليل عملي: HTTP: //dataaspirant.com/2017/02/01/decision -tree-خوارزمية الثعبان مع scikit-تعلم /

4. قرار شجرة

واحدة من أبسط شجرة القرارات وراء التوقعات لكن معظم طريقة فعالة، والذي يستخدم في العديد من الجوانب (مثل الغابات عشوائي).

الشرح النظري: الشبكي: //www.bilibili.com/video/av26086646 دليل عملي: الشبكي: //www.bilibili.com/video/av35523476 دليل عملي: HTTP: //dataaspirant.com/2017/02/01/decision -tree-خوارزمية الثعبان مع scikit-تعلم /

5. التعلم المتكاملة والغابات عشوائية

التعلم المتكامل هو استخدام كافة ميزات مختلفة، ومزايا وعيوب بعض نماذج التعلم الآلي للحصول على مجموعة من الناخبين، هؤلاء الناخبين سوف تعطيك كل مرة يتنبأ معظم النتيجة المحتملة، التصويت التي قدمها المصنفات المختلفة (SVM ، ID3 الخوارزمية، الانحدار اللوجستي).

6. التعلم غير خاضعة للرقابة

تايوان الوطنية جامعة CHANG فيديو: الشبكي: //www.bilibili.com/video/av10590361/ ع = 24explains بدون اشراف التعلم بشكل جيد :؟ HTTPS: تعلم غير مراقب //towardsdatascience.com/unsupervised-learning-with-python-173c51dc7f03، هناك تحت إشراف التعلم وتعزيز الفرق التعلم: الشبكي: //blogs.nvidia.com/blog/2018/08/02/supervised-unsupervised-learning/ دراسة متعمقة وTensorFlow

منذ عام 2015، مفتوحة المصدر، والعالم ينتمي إلى عمق TensorFlow إطار التعلم. أم جمع مبلغ جيثب شوكة، أو الكمية المستخدمة في صناعة لا مثيل لها عمود الحالة العلوي. هذا الجزء من البرنامج التعليمي يدخل العديد من القراء TensorFlow تعتمد على التنفيذ، فمن المستحسن أن ترى مباشرة TensorFlow التعليمي مسؤول. لدراسة متعمقة، ويمكن للقارئ متابعة ستانفورد CS231n دورات أو التعلم "التعلم العميق".

وبالحديث عن مزايا وعيوب من الإطار، وهذا هو الحد الأدنى TensorFlow التمهيدية تعليمي ثلاثة أيام سريعة! جامعة هونغ كونغ للعلوم والتكنولوجيا TensorFlow المناهج التعليمية حصة يرجى نسخ ولصق عجلة من امرنا، وهذا هو وسيلة سهلة لاستخدام مجموعة رموز الإنجليزية TensorFlow لا؟ يمكنك محاولة TensorFlow النسخة الصينية الرسمية دليل حول TensorFlow، يجب أن نعرف 9 تنفيذ الأشياء تصنيف النص مع TensorFlow مقدر / ق؟ __ بيز = MzA3MzI4MjgzMw == ومتوسطة = 2650742373 & IDX = 2 & SN = ad176a47b0e61e1c83444079d365354a وchksm = 871ada1bb06d530de70930d573a5c09b470dbd5fa85d1b6161bc2aa65afee42448eca180bf05 والمشهد = 21 # wechat_redirect

بعد فهم TensorFlow، والكتاب يمكننا أن نتعلم تكرارا للقيام المشروع في التعلم العميق:

• بواسطة ستانفورد CS231n والدورات DL أو دورات خاصة CHANG ML فهم أندرو نغ من المفاهيم الأساسية، لا يحتاج إلى فهم كامل الاشتقاق الرياضي، فقط بحاجة الى معرفة لماذا ما هو على المحك.
• في كل مرة على عمق الحفر من المواضيع، بما في ذلك نظرية، ودروس، حالة تحقيق (على سبيل المثال RNN نظرية، ودروس وRNN RNN تنفيذ الحالة).
• بعد مرور الثاني من المواضيع متعددة الحلقة، يذهب أكثر من خطوة أولى للموارد، للاستيلاء على اشتقاق الرئيسي والتفاصيل.

قدم بعد ذلك الكثير من موارد التعلم من شبكة متصلة بشكل كامل، حلقة الشبكة، وشبكة والتفاف الذاتي بيانات وحدة التشفير، الرجاء مراجعة مشروع جيثب الأصلي.

أدوات التعلم

هذا الجزء من الانتهاء من الكثير من موارد التعلم، بما في ذلك برامج تعلم الآلة، والأدوات، وقناة يوتيوب، بلوق، على شبكة الإنترنت، وما إلى ذلك، يمكن للقراء المهتمين يرون أنفسهم.

المحرر: وانغ جينغ تم التعليق بواسطة: تان Jiayao - انتهى -

تسينغهوا الانتباه - بيانات أكاديمية تشينغداو للعلوم قناة الصغرى الرسمية منصة الجمهور " بيانات الإرسال THU "أيتها الأخوات ولا". إرسال البيانات THU "لرعاية المزيد من المحاضرات ونوعية المحتوى.