人工智能学习的三个方法

阅读数:1 2020 年 3 月 25 日 16:32

人工智能学习的三个方法

全世界都在说人工智能,想进入人工智能的领域,得首先搞明白人工智能是一种概念,是一个目标,指的是能够赋予机器智能,能够像人类一样进行决策,它是长久以来计算机届人士的愿景,所以一定要清楚“人工智能并不是一项技术”。所以对于人工智能的憧憬一定要转化为目前的技术思路和技术领域。

目前在实现人工智能这个目标上走的最好的技术就是“机器学习”,这就说明你得踏入“机器学习”这条道路。“机器学习”也同样是一个广泛的技术概念,它包含的技术“流派”林林总总,大致的划分是“传统机器学习”、“深度学习”、“强化学习”。初始的入门不可能面面俱到,所以一定要先找准你想要从事的行业和场景,然后去看这个行业和场景中哪种技术的应用的最多。

传统机器学习
来自于数据挖掘流派,非常适用于结构化的数据(就是非常规整的表格型数据),适用于需要进行预测的场景(预测类别型结果、数值型结果):信用风险检测(预测类别)、销售预测(预测金额)、商品推荐(预测类别、预测评分)等。

强化学习
来自于机器人学和自动控制,适用于需要探索和优化的场景,不一定需要结构化的数据,对于模拟环境的准确度有强要求,能够根据环境中参数的变化和环境的反馈自动给出最优选择:制造业某种设备运行时参数自动调控、智能温控、智能污水处理、智能交通信号灯、Alpha Go 围棋。

深度学习
来自于神经网络的大规模应用和计算集群算力的提升,非常适用于非结构化数据,比如图像、语音等,适用于识别类场景:图像识别、语音识别、语音合成、语义识别。

三种流派可以互相配合完成更为复杂的应用、更好的解决问题。

作为时下最热门的技术,机器学习吸引了众多开发者了解学习,大家均希望揭开其神秘的面纱。如何如何开启程序员的人工智能之路,以下几种方法一定受用。

打好基础

计算机的基础是数学,机器学习的基础也是数学。这里分成两种观点去看待:

1)想要深入研究机器学习算法,并对算法的优化做出贡献。

2)想要深入的理解机器学习算法,并在实际场景中很好的使用算法。

无论是持哪一种观点去进行学习,都需要数学,程度有所不同。

如果是 1,那么就需要非常扎实的数学能力《高等数学》《数理统计》《线性代数》这些基础课程自不必说,而且非常需要一个博士学位的加持。
如果是 2,那么上述 3 门数学课起码要做到理解基本概念,可以不会算某些公式,但是得知道公式的原理和作用。

修炼内功

内功就是机器学习算法原理,数学能力能让你很好的读懂这些算法的计算过程,但是你需要通盘的去理解经典的、流行的各个机器学习算法的原理,这样你就可以选择去从原理入手去优化它,或者选择从原理出发更好的理解它的适用场景。

进阶训练—7 天晋级机器学习

无论是详细了解机器学习的算法原理、还是为一个具体的场景、示例开发机器学习模型,都需要一定的工具能力和代码能力。

独自一人进行学习和实践,太过于孤独,华为云自去年开始便致力于机器学习技术的开发与研究,并推出了多款机器学习的免费课程供开发者探究机器学习的奥秘。开发者可以在华为云课程的社群中,与志同道合的同行共同探讨技术问题,集思广益,快速提升自己。

本文转载自 华为云产品与解决方案 公众号。

原文链接: https://mp.weixin.qq.com/s/qPKm8hgpOKDvBQCqS1kY8w

评论

发布