我想學習人工智能和機器學習。

作者：丹尼爾伯克

我在蘋果商店工作，我想換一個。開始構建我所服務的技術。

我開始學習機器學習(ml)和人工智能(ai)。

這個領域有很多事情要做。

似乎每周谷歌或臉書都會發(fā)布新的人工智能來加快處理速度或改善我們的體驗。

還有別讓我開始知道無人駕駛汽車公司的數量。這是好事。我不喜歡開車，所以這條路很危險。

即使所有這些事情都發(fā)生了，什么是真正的人工智能仍然沒有公認的定義。

有人認為深度學習可以看作ai，也有人認為除非通過圖靈測試，否則不是ai。

一開始缺乏定義真的阻礙了我的進步。學很多不同定義的東西都很難。

定義夠了。

我是如何開始的？

我和朋友正在成立一家網絡創(chuàng)業(yè)公司。失敗了，我們因為沒有意義而放棄了。但是一路走來，我開始聽到越來越多關于ml和ai的信息。

“電腦給你學了什么？”真不敢相信。

在深度學習中偶然發(fā)現了烏達城的納米學位。宣傳視頻中出現了一個有趣的人物，sir品牌 raval。他的精力很有感染力。雖然我沒有達到基本要求(我之前從來沒有寫過python的臺詞)，但是我注冊了。

課程開始前三周，我給烏達城支持團隊發(fā)了一封電子郵件，詢問退款政策。恐怕我學不完這門課。

我沒有得到退款。我在規(guī)定的時間內完成了課程。那相當困難。有時候真的很難。我的前兩個項目遲交了四天。然而，參與上比較重要的技術之一的興奮讓我向前邁進。

完成納米程度的深度學習后，我承諾接受來自烏達城的納米程度的ai，納米程度的無人駕駛汽車或者納米程度的機器人。所有偉大的選擇。

我有點迷茫。“我接下來要去哪里？”

我需要一門課。我已經建立了一個學習納米程度很深的小基礎，現在是時候決定下一步去哪里了。

我自己創(chuàng)建的ai碩士學位

我不打算很快再去上大學。反正我沒有10萬美元的碩士學位。

所以我做了我開始做的。求導師谷歌幫忙。

在沒有這方面先驗知識的情況下，我跳入了深度學習。直升機沒有爬到ai冰山的盡頭，而是讓我落到了山頂。

我研究了很多課程，列出了trello比較感興趣的課程。

我知道網絡課程輟學率很高。我不會讓自己成為這個數字的一部分。我有任務。

為了讓自己有責任心，我開始在網上分享我的學習之旅。我想我可以練習交流我所學的東西，找到其他對同樣事情感興趣的人。朋友們還是覺得我走ai之旅的時候是外星人。

我公開了特雷羅董事會，寫了一篇關于我努力的博文。

從我第一次寫課程開始，課程就有了些許改變，但還是有意義的。我每周都去拜訪特雷羅的董事會，跟蹤進展。

2019年更新：我把自己喜歡的一些ai、機器學習、數據科學資源總結成一個漂亮的表格(來自trello board)。你可以在這里看到他們。

我買了一張去美國的票，但是沒有返程票。我已經學習一年了，所以我認為是時候把我的技能付諸實踐了。

我的計劃是爬美國，被錄用。

然后，阿什利在linkedin上對我說：“嘿，我看了你的帖子，它們真的很酷，我想你應該見見邁克。”

我遇見了邁克。

我告訴了他我網上學習的故事，我對健康科技的熱愛，我去美國的計劃。

“你比較好在這里呆一年左右，看看你能找到什么。我想你真的很想了解卡梅倫。”

我遇到了卡梅隆。

我們聊的話題和邁克和我一樣，健康，科技，在線學習，美國。

“我們正在解決一些健康問題，你為什么不周四來？”

是星期四。我很緊張，但是曾經有人告訴我，緊張和興奮是一樣的。我很興奮。

我花了一天時間與麥克斯凱爾森團隊會面，討論他們正在解決的問題。

兩個星期四之后，機器學習總工程師阿森公司的首席執(zhí)行官尼克和我一起去喝咖啡。

“你想怎么入隊？”尼克問。

“當然。”我說。

原來我的美國航班延誤了幾個月，現在有了往返機票。

分享你的工作

網上學習，我知道很不落俗套。我想申請的職位都有碩士學位要求或者至少有一些技術學位。

我沒有。但是我確實有我從許多在線課程中學到的技能。

一路上，我在網上分享我的作品。我的github包含了我完成的所有項目，linkedin堆積如山，我通過youtube和medium練習交流我學到的知識。

我從來沒有為麥克斯凱爾森交過簡歷。“我們在領英上簽了你。”

我的工作是簡歷。

無論是網上學習還是通過碩士，擁有自己的投資組合都是在游戲中積累皮膚的好方法。

ml和ai技能是必須的，但這并不意味著你不用展示。再好的產品，沒有貨架也賣不出去。

無論是github、kaggle、linkedin還是博客，人們都可以在某個地方找到你。另外，有自己的網角也很有意思。

你如何開始？

你打算在哪里學習這些技能？什么課程比較好？

沒有比較好的答案。每個人的道路都會不一樣。有些人通過書學得更好，有些人通過視頻學得更好。

比你重要的是你為什么開始。

先說為什么。

為什么要學這些技能？

你想賺錢嗎？

你想建造什么嗎？

你想有所作為嗎？

還是那句話，沒有正確的理由。一切都有自己的方式。

從為什么開始，因為有了為什么更重要。有一個“為什么”，意思是當事情變得困難并將變得困難時，你有事情可以求助。提醒你為什么要開始的東西。

為什么？很好。是時候學習一些硬技能了。

我只能推薦我嘗試過的。

我已經完成了以下課程：

樹屋-簡介-python

數據營地介紹——python和python的數據科學跟蹤

烏達城——深度學習與人工智能納米化

課程-吳恩達的深度學習

快。人工智能-第一部分，很快就是第二部分

都是的。我是一個視覺學習者。當我看到事情被完成/向我解釋時，我會學得更好。所以這些課程都體現了這一點。

如果你是一個的初學者，請從python入門課程開始。如果你比較自信，可以進數據科學，機器學習，ai。datacamp非常適合初學者學習python，但希望專注于數據科學和機器學習。

數學多少？

我比較高的數學教育是在高中。其他我根據需要通過可汗學院學到的知識。

進入機器學習和ai需要了解多少數學，眾說紛紜。我會分享我的。

如果你想把機器學習和ai技術應用到問題中，不一定需要對數學有很深的理解才能得到好的結果。像tensorflow和pytorch這樣的庫允許有一點python經驗的人在后臺處理數學的同時建立比較先進的模型。

如果想通過博士項目或者類似的方法深入機器學習和ai研究，對數學有深入的了解是非常重要的。

就我而言，我不想深入學習數學，也不想把算法的性能提高10%。我會留給比我聰明的人。

相反，我很樂意使用可用的庫并操作它們來幫助解決我認為合適的問題。

機器學習工程師實際上做什么？

機器工程師在實踐中做的事情可能不符合你的想法。

雖然網上有很多文章的封面照片，但是紅眼睛的機器人并不總是參與其中。

這是ml工程師每天都會問自己的一些問題。

語境——如何用ml幫助你更了解自己的問題？

數據——你需要更多的數據嗎？需要采取什么形式？數據丟失了怎么辦？

建模——應該用哪個模型？它在數據(過度擬合)上運行良好嗎？或者為什么效果不好(不合身)？

生產——如何將模型投入生產？應該是線上模式還是定期更新？

進行中-如果你的模型崩潰了怎么辦？你如何用更多的數據來改善它？有沒有更好的做事方法？

我從fast.ai的聯合創(chuàng)始人之一雷切爾托馬斯(rachel thomas)的一篇文章中借用了這些內容，她在全文中走得更遠。

路徑未設置

進入機器學習或者人工智能沒有錯。

這個領域的美妙之處在于，我們可以使用一些上比較好的技術，我們所要做的就是學會如何使用它們。

可以從學習python代碼開始。

可以從學習微積分和統計學開始。

可以先學習決策哲學。

因為這些領域的交叉，機器學習和ai讓我著迷。

我知道的越多，就越知道有很多東西要學。這讓我很激動。

有時候，當我的代碼無法運行時，我會感到沮喪。或者說我一個概念都不懂。所以我暫時放棄。我放棄了擺脫問題，睡了個午覺。或者去散步。回來的時候，感覺是用不同的眼光看著它。興奮又回來了。我一直在學習。

這個領域發(fā)生了很多事情，所以入門可能會讓人望而生畏。選擇太多導致沒有選擇。忽略這個。

從你比較感興趣的地方開始，跟著做。如果這樣會導致死路一條，那就太好了。你已經搞清楚自己對什么不感興趣了。循著自己的腳步，向大路走去。

電腦很聰明，但還是不能自學。他們需要你的幫助。

問華為3d智能電視什么叫智慧屏，請介紹功能

智能屏幕具有人機對話的基本功能，使用體驗更好。另外，它不僅僅是一臺電視，它可以幫助你鍛煉和學習。你把你的需求告訴它，它會在它的能力范圍內比較大程度的滿足你。比如你想快進視頻5分鐘，傳統的方法是用遙控器來回試。只要告訴它在智能屏幕上快進5分鐘，想暫停就告訴它。說白了，人工智能讓電視智能化。以前，遙控加手動的方法被智能屏幕和人們的需求所取代。所有電視操作都可以獨立完成，你只需要說出你的需求。

問小米智能電視可以看虎牙直播嗎虎牙直播tv版

可以，但是在申請中心好像沒有。應該是從電腦上，安裝在u盤電視上

問小米智能音箱音響邊放歌邊玩游戲音效會不會混音

不，是我安排的。前期聽了幾天交響樂，聲音很完美，特別好聽。

不，是我安排的。前期聽了幾天交響樂，聲音很完美，特別好聽。

問小米智能音箱hd和電視音響哪個聽歌好

高清音質太強，所有歌曲都是重低音。感覺這樣不太好，沒法調整

問小益智能密碼鎖門鈴功能可關閉嗎

可以通過app設置音量，但是靜音后沒有語音提示，后續(xù)使用會帶來一些麻煩。把音量調到比較小就行了。