การเรียนรู้ของเครื่องการเรียนรู้

การเรียนรู้ของเครื่องเป็นคำที่ฮือฮาในชุมชนปัญญาประดิษฐ์ ในฐานะนักเรียน ฉันรู้สึกสนใจที่จะเรียนรู้เพิ่มเติมเกี่ยวกับแมชชีนเลิร์นนิง โครงข่ายประสาทเทียม และการเรียนรู้เชิงลึก

การเริ่มต้นใช้งานแมชชีนเลิร์นนิงดูน่าสับสนและบางครั้งก็น่ารำคาญโดยไม่รู้ว่าต้องทำอย่างไร ก่อนหน้านี้ฉันคิดว่าคงจะมีประโยชน์ถ้ามีคนสรุปแนวทางการเรียนรู้ของเครื่อง ฉันไม่คิดว่าตัวเองเป็นผู้เชี่ยวชาญในสาขานี้ แต่นั่นไม่ได้ขัดขวางไม่ให้ฉันทำตามสิ่งที่ฉันชอบทำ การเรียนรู้และการอุทิศตนอย่างต่อเนื่องจะนำทางเราอย่างแน่นอน หลักเกณฑ์ด้านล่างอาจไม่เป็นประโยชน์สำหรับเราทุกคนแต่จะสามารถเข้าใจได้อย่างแน่นอน ฉันจะขอบคุณถ้ามีคนชี้ให้เห็นข้อผิดพลาดโดยสุจริตและช่วยเหลือซึ่งกันและกัน

ต่อไปนี้คือหลักเกณฑ์ที่ฉันปฏิบัติตาม ซึ่งในที่สุดฉันก็ช่วยฉันในการทำความเข้าใจและพัฒนาการรับรู้ภาพขั้นพื้นฐาน (สุนัขหรือแมว ) โดยใช้ TensorFlow และการเรียนรู้เชิงลึก

ขั้นตอนที่ 1:

ในระหว่างการศึกษา ฉันได้รับการแนะนำให้รู้จักกับชั้นเรียน Neural Network และ Machine Learning ในระหว่างการศึกษาระดับบัณฑิตศึกษา หัวข้อนี้ทำให้ฉันสนใจมากจนทำให้ฉันยุ่งอยู่กับการเรียนรู้เกี่ยวกับการเรียนรู้ของเครื่อง/การเรียนรู้เชิงลึกในอินเทอร์เน็ต ความหิวโหยนี้ทำให้ฉันได้พบกับหลักสูตร Machine Learning ที่นำเสนอโดย Standford University ซึ่งสอนโดย Andrew Ng ใน Coursera หลังจากจบหลักสูตร ฉันค่อนข้างเข้าใจแล้วว่าแมชชีนเลิร์นนิงคืออะไร และมีวิธีแก้ไขปัญหาต่างๆ อย่างไร

ขั้นตอนที่ 2:

ฉันอยากจะแนะนำให้ใครก็ตามที่พยายามจะเข้าสู่การเรียนรู้ของเครื่องเพื่อเรียนรู้การเขียนโค้ดใน Python Python มีไลบรารี่มากมายที่ง่ายกว่าและเหมาะสำหรับการเรียนรู้ของเครื่อง หากคุณต้องการเริ่มต้น ฉันเชื่อว่า "สิ่งนี้" อาจเป็นแหล่งข้อมูลที่ดีในการเริ่มต้น

ขั้นตอนที่ 3:

หลังจากคุ้นเคยกับ Python แล้ว ให้เริ่มต้นกับไลบรารีต่างๆ เช่น Sci-Kit learn, Pandas, Numpy และ OpenCV เหล่านี้คือไลบรารีที่จะช่วยได้มากในแอปพลิเคชันการเรียนรู้ของเครื่อง

ขั้นตอนที่ 4:

เมื่อฉันสนใจการเรียนรู้เชิงลึกมากขึ้น ฉันจึงเริ่มด้วย TensorFlow บทช่วยสอนพื้นฐานสำหรับ Tensorflow มีการโพสต์บนเว็บไซต์อย่างเป็นทางการ ที่นี่ หลังจากเรียนรู้สาระสำคัญของการเรียนรู้ของเครื่องแล้ว ฉันก็สำรวจการเรียนรู้เชิงลึกอย่างต่อเนื่องและตัดสินใจที่จะทำงานในโปรเจ็กต์การเรียนรู้เชิงลึก

ดังที่พวกเราส่วนใหญ่อาจเคยได้ยินมาว่าสำหรับโปรเจ็กต์การเรียนรู้เชิงลึก เราจำเป็นต้องมีฮาร์ดแวร์ขั้นสูงเพิ่มเติมเพื่อฝึกฝนโมเดล ใช่แล้ว. แต่อย่ากังวล แพลตฟอร์มอย่าง Paperspace ได้เข้ามาช่วยเหลือเราแล้ว หากคุณต้องการเริ่มต้นใช้งานกระดาษ นี่คือเครดิต $10> เพื่อเริ่มต้น สิ่งนี้จะทำให้เรามีเวลาในการคำนวณประมาณ 10–20 ชั่วโมงอย่างง่ายดาย

ฉันได้เขียนรายละเอียดเกี่ยวกับโครงการไว้ใน ลิงก์ Github นี้ รู้สึกอิสระที่จะผ่านมันไป

สรุป

การทุ่มเทและการทุ่มเทเวลาอย่างต่อเนื่องในการเรียนรู้เป็นวิธีที่เร็วที่สุดในการเรียนรู้เกี่ยวกับสิ่งใดๆ ก็ตาม และเช่นเดียวกันนี้ก็สามารถนำไปใช้กับการเรียนรู้ของเครื่องของคุณด้วย

หากคุณชอบบทความนี้โปรดปรบมือที่นี่เพื่อให้สามารถเข้าถึงผู้คนได้มากขึ้น

เกี่ยวกับฉัน

Gooner ด้วยใจและจิตวิญญาณ ฉันเป็นนักศึกษาระดับบัณฑิตศึกษาที่เน้นการเรียนรู้ของเครื่องและวิศวกรรมซอฟต์แวร์ ฉันชอบสำรวจมิติต่างๆ ของแมชชีนเลิร์นนิงและมีความสนใจในเทคโนโลยีต่างๆ มากมาย

สำหรับการอัปเดตเพิ่มเติม ติดตามฉันได้ที่ Twitter