怎么学习人工智能？

Posted 2023-05-18

参考技术A

第一步：复习线性代数。（学渣的线代忘了好多-_-||）

懒得看书就直接用了著名的——麻省理工公开课：线性代数，深入浅出效果拔群，以后会用到的SVD、希尔伯特空间等都有介绍；

广告：边看边总结了一套笔记 GitHub - zlotus/notes-linear-algebra: 线性代数笔记。

第二步：入门机器学习算法。

还是因为比较懒，也就直接用了著名的——斯坦福大学公开课 ：机器学习课程，吴恩达教授的老版cs229的视频，讲的非常细（算法的目标->数学推演->伪代码）。这套教程唯一的缺点在于没有介绍最近大火的神经网络，但其实这也算是优点，让我明白了算法都有各自的应用领域，并不是所有问题都需要用神经网络来解决；

多说一点，这个课程里详细介绍的内容有：一般线性模型、高斯系列模型、SVM理论及实现、聚类算法以及EM算法的各种相关应用、PCA/ICA、学习理论、马尔可夫系列模型。课堂笔记在：CS 229: Machine Learning (Course handouts)，同样非常详细。

广告：边看边总结了一套笔记 GitHub - zlotus/notes-LSJU-machine-learning: 机器学习笔记

第三步：尝试用代码实现算法。

依然因为比较懒，继续直接使用了著名的——机器学习 | Coursera ，还是吴恩达教授的课程，只不过这个是极简版的cs229，几乎就是教怎么在matlab里快速实现一个模型（这套教程里有神经网络基本概念及实现）。这套课程的缺点是难度比较低，推导过程非常简略，但是这也是它的优点——让我专注于把理论转化成代码。

广告：作业参考 GitHub - zlotus/Coursera_Machine_Learning_Exercises: Machine Learning by Andrew Ng from Coursera

第四步：自己实现功能完整的模型——进行中。

还是因为比较懒，搜到了cs231n的课程视频 CS231n Winter 2016 - YouTube ，李飞飞教授的课，主讲还有Andrej Karpathy和Justin Johnson，主要介绍卷积神经网络在图像识别/机器视觉领域的应用（前面神经网络的代码没写够？这门课包你嗨到爆~到处都是从零手写~）。这门课程的作业就更贴心了，直接用Jupyter Notebook布置的，可以本地运行并自己检查错误。主要使用Python以及Python系列的科学计算库（Scipy/Numpy/Matplotlib）。课堂笔记的翻译可以参考 智能单元 - 知乎专栏，主要由知友杜客翻译，写的非常好~

在多说一点，这门课对程序员来说比较走心，因为这个不像上一步中用matlab实现的作业那样偏向算法和模型，这门课用Python实现的模型同时注重软件工程，包括常见的封装layer的forward/backward、自定义组合layer、如何将layer组成网络、如何在网络中集成batch-normalization及dropout等功能、如何在复杂模型下做梯度检查等等；最后一个作业中还有手动实现RNN及其基友LSTM、编写有助于调试的CNN可视化功能、Google的DeepDream等等。（做完作业基本就可以看懂现在流行的各种图片风格变换程序了，如 cysmith/neural-style-tf）另外，这门课的作业实现非常推崇computational graph，不知道是不是我的幻觉??要注意的是讲师A.K的语速奇快无比，好在YouTube有自动生成解说词的功能，准确率还不错，可以当字幕看。

广告：作业参考 GitHub - zlotus/cs231n: CS231n Convolutional Neural Networks for Visual Recognition (winter 2016) （我的在作业的notebook上加了一些推导演算哦~可以用来参考:D）

深度学习到底怎么学？

1943年，神经学家麦卡洛克和数学家皮兹在《数学生物物理学公告》上发表了论文《神经活动中内在思想的逻辑演算》，提出了神经网络和数学模型（MCP模型），也就是按照生物神经元的结构和工作原理构造出来的一个抽象和简化了的模型。

所谓的“模拟大脑”诞生，人工智能的大门由此开启。

麦卡洛克（右）和皮兹

经历了半个多世纪的曲折发展，2006年，神经网络之父，机器学习泰斗杰弗里·辛顿和他的学生Ruslan Salakhutdinov在《科学》上发表了一篇学术文章，提出深层网络训练中梯度消失问题的解决方案：无监督预训练对权值进行初始化+有监督训练微调。

自此，“深度学习”网络正式登上历史舞台，人工智能的性能也得以取得更大进展。

神经网络之父杰弗里·辛顿

近十余年来，随着算法的逐步成熟，深度学习逐渐成为人工智能的主流，更多相关的AI应用落地：2011年夺得益智问答比赛大奖的IBM Watson，2016、2017连续两年相继击败围棋世界冠军李世石、柯洁的Google AlphaGo等，都是深度学习应用的代表。

AlphaGo曾打得柯洁放声痛哭

深度学习风头正劲，但究竟什么是深度学习？

国立台湾大学电机工程系助理教授李宏毅曾总结深度学习为三个步骤：建构网络、设定目标、开始学习。

李宏毅说，深度学习的类神经网络就是一个函数集，我们丢进去一堆数值，网络就输出一堆数值，并在其中寻找最优解，就这么简单。

李宏毅教授

但现实情况要远复杂的多。神经网络一层叠着一层，每层都有很多神经元，并随时都会产生各种变数；寻找最优解的过程也不是一帆风顺，需要根据结果不断调整函数内容，不断训练机器，这一过程就是所谓的“学习”。

以AlphaGo为例，技术团队设定好神经网络架构，输入大量的棋谱，让机器自我消化，不断学习棋法。最终，AlphaGo就能根据不同对手的落子，根据棋局不同情况作出回应。

神经网络的基本结构

AlphaGo虽然厉害，但它的架构就是为下棋而设计的，倘若让AlphaGo去做其他事情，比如扫地、开车，那就要根据需求重新设计架构、训练机器。

李宏毅表示，深度学习并不是万能的人工智慧，它其实只能针对特定的需求来设计，现在的各种酷炫应用都还在原始阶段，还有很多需要人类去定义、设计。未来当机器可以自己定义架构时，就更加值得期待。

人工智能与深度学习领域日益热门，越来越多的人想进入这一领域学习深造，就业深耕。

但对于大多数国内的学习者或爱好者来说，几乎只有到硕士、博士阶段才能真正接触到系统性的深度学习教学，而真正的实践机会更是寥寥。

对此，ViaX推出新的深度学习应用实战Workshop，以制作聊天机器人为切入点，教授前沿神经网络研究方法。

同时，课程也会提供理论应用的实践场景：你将在新加坡高性能计算机研究所研究员的带领下，以实验室标准进行深度学习实战，基于神经网络完成一篇文章的摘要提取——真正实现理论与实践的有机结合，让你学有学用。

实战Workshop-深度学习应用

制作聊天机器人-新加坡高性能计算机研究所科研实战项目

本次实战Workshop中，不只有新加坡高性能计算机研究所研究员带领你进行实践，我们更安排了耶鲁大学研究员进行知识理论的教学。

导师团介绍

---

▌ LBB（Workshop部分导师）

ViaX盐研教育理工科导师

• 华盛顿大学全奖博士

• 耶鲁大学研究员

• 累计发表多篇国际学术论文
  
  

▌ XXX（实战部分导师，科研指导人）

ViaX盐研教育理工科导师

• 新加坡南洋理工大学全奖博士

• 新加坡国家自然科学基金项目负责人

• 新加坡高性能计算机研究所研究员

• 累计发表包括《自然医学》（IF=32.621，2017）在内的顶级国际学术论文十余篇

• 曾荣获国际人工智能l联合会议（IJCAI）研讨会最佳论文奖

• 专注机器学习算法研究与计算机视觉、自然语言处理应用，精通Python编程与深度学习

强大的导师团之外，本次Workshop的产出也极为丰富——除了必备的理论知识与宝贵实践机会，你还将有如下收获：

课程产出

---

▌ 实战经历

课程将有两项实践产出：

第一阶段-通过课程学习产出专属聊天机器人——掌握深度学习理论基础。

第二阶段-基于神经网络完成一篇文章的摘要提取，研究课题的数据收集、处理和建模过程——深化神经网络的文本摘要提取研究方法、机理及应用。

▌ 课程证明

第一阶段（Workshop部分）导师签发的课程证明。

▌ 实习证明

科研指导人，新加坡高性能计算机研究所研究员签发的实习证明。

你将在科研指导人的带领下，以世界一流研究所的实验标准进行科研实践，培养严谨科研思维，体验前沿的科研氛围。

▌ 其他可选

英文个人学习、研究计划。

适合人群

---

▌ 申请机器学习、自然语言处理、计算机科学、数据科学等方向的出国留学的学生

让你快速上手深度学习与神经网络应用，掌握科研必备技能，并获得项目实习证明，大幅提升申请竞争力！

▌ 所有对机器学习、模式识别和数据挖掘方法，Python编程基础感兴趣，想获得实践认知的同学

帮你了解更多research project所需基本技能，了解更多领域内专业知识、实践技能及前沿的科研实验方向。

本次课程将于2019年4月6日开课，分为理论课程+实战课程两个阶段。

课程安排

---

开课时间

---

2019年4月6日 

具体时间安排为：

Workshop阶段：

4月6日，9:00-12:00

4月13日、20日、27日，5月4日，10:00-12:00

实战阶段：

5月5日、12日、19日、26日，6月2日，10:00-12:00

报名方式

---

 

报名或咨询更多课程详情

请扫码添加ViaX学术顾问

添加学术顾问时请备注：咨询

点击“阅读原文”查看更多课程详情

点击查看近期Workshop

---

戳原文，了解更多课程详情