|
機器之心整理 筆記作者：Jim Liang 近日，來自SAP（全球第一大商業(yè)軟件公司）的梁勁（Jim Liang）公開了自己所寫的一份 520 頁的學(xué)習(xí)教程（英文版），詳細、明了地介紹了機器學(xué)習(xí)中的相關(guān)概念、數(shù)學(xué)知識和各種經(jīng)典算法。機器之心看到后，也迫不及待的推廣給更多的讀者。完整的 PDF 請從文后作者公開的鏈接下載。 在介紹中，Jim Liang寫到： 人工智能是這兩年風(fēng)頭正勁的領(lǐng)域，也是未來具有顛覆性可能的新領(lǐng)域。不少人嘗試去學(xué)習(xí)機器學(xué)習(xí)相關(guān)的知識。然而，一旦越過最初的 overview 階段，很多人就開始打退堂鼓了，然后迅速放棄。 為什么會這樣？ 極 高 的 學(xué) 習(xí) 曲 線 圖 解 機 器 學(xué) 習(xí) 正是對機器學(xué)習(xí)的過程中的痛苦有切身體會，我希望能做一份教程，以淺顯易懂的方式去講解它，降低大家的學(xué)習(xí)門檻。我為此花費了數(shù)月時間，經(jīng)常做到深夜，把自己的學(xué)習(xí)筆記整理成了這份教程。 從結(jié)構(gòu)來看，全部教程包含兩部分： 
Part 1 介紹了基本概念，包括： 在第一部分，作者先介紹了如今應(yīng)用普遍的機器學(xué)習(xí)：從自動駕駛、語音助手到機器人。其中有些思想，也是眾多讀者們了解過的，例如：為何機器學(xué)習(xí)在這個時候會火（大數(shù)據(jù)、計算力、更好的算法）；機器學(xué)習(xí)、人工智能、深度學(xué)習(xí)三者的關(guān)系等。 除了這些基礎(chǔ)概念，這份教程也對機器學(xué)習(xí)模型的開發(fā)流程做了圖像化展示（如下圖），即使對此不太了解的讀者，也能通過這種流程展示有所學(xué)習(xí)。
建立機器學(xué)習(xí)解決方案的步驟 在 Part1 的其他小節(jié)，作者以類似的圖像展示，對數(shù)據(jù)、建模、模型部署等內(nèi)容做了詳細介紹，這里就不一一列舉，可以從原報告查看。 在 Part2，作者介紹了 常用的算法，包括： 這部分包含了大量的數(shù)學(xué)公式，但作者盡力注解了其中的每個公式，從而充分、清晰地表達了眾多數(shù)學(xué)概念。 例如在「神經(jīng)網(wǎng)絡(luò)」部分，作者整理了 59 頁的筆記（從 311 頁到 369 頁）。作者從人腦中的神經(jīng)元架構(gòu)說起，介紹了人工神經(jīng)網(wǎng)絡(luò)（ANN）、人工神經(jīng)元工作的原理。這份筆記非常注重圖像化的概念解釋，理解起來非常直觀。 例如，下圖中的概念解釋很形象地展現(xiàn)了生物神經(jīng)元和人工神經(jīng)元工作方式的相似性。
生物神經(jīng)元的樹突輸入-軸突輸出模式和人工神經(jīng)元的輸入輸出模式對比。
過擬合的解釋。
人工神經(jīng)元的基礎(chǔ)結(jié)構(gòu)。 在涉及到數(shù)學(xué)公式時，作者會在旁邊有詳細的注解，如下圖所示：
對于并列的可選項（如激活函數(shù)、常用神經(jīng)網(wǎng)絡(luò)架構(gòu)等），也會有全面的列表：
常用的激活函數(shù)。 然后會有每個激活函數(shù)的單獨介紹：
Sigmoid 激活函數(shù)。
用神經(jīng)網(wǎng)絡(luò)分類手寫數(shù)字的前向傳播示例（softmax 激活函數(shù)）。 對于神經(jīng)網(wǎng)絡(luò)中較為復(fù)雜的概念（如求導(dǎo)、反向傳播），幾張圖就能解釋清楚：
關(guān)于神經(jīng)網(wǎng)絡(luò)的完整訓(xùn)練過程，作者用簡略流程圖 計算細節(jié)展開的方式呈現(xiàn)：
反向傳播算法完整流程。
前向傳播部分的計算細節(jié)。 就像前面提到的，這部分除了「神經(jīng)網(wǎng)絡(luò)」的介紹，還包括隨機森林、梯度下降等概念的介紹，讀者們可查看原教程。 總結(jié) 看完這份教程之后，小編覺得這是一份包羅萬象的學(xué)習(xí)筆記，既適合非專業(yè)人士了解有關(guān)機器學(xué)習(xí)的基礎(chǔ)概念，又適合有專業(yè)背景的學(xué)生進一步學(xué)習(xí)。 寫教程是為了自己持續(xù)學(xué)習(xí)，分享教程是為了幫助更多人學(xué)習(xí)。就像作者所說，「Learning by doing/teaching, 寫這個教程主要是強迫自己持續(xù)學(xué)習(xí)，另外，也想分享給他人，希望能幫助到更多想學(xué)習(xí) Machine Learning 的人，降低大家的學(xué)習(xí)痛苦?！?/p> 教程文檔下載地址（百度云）：https://pan.baidu.com/s/1tNXYQNadAsDGfPvuuj7_Tw 本文為機器之心整理，轉(zhuǎn)載請聯(lián)系原作者獲得授權(quán)。 |
|
|
