文章阅读(入门ML、DL;BAT经验)
来源:互联网 发布:mysql约束 编辑:程序博客网 时间:2024/06/05 10:23
17年第二个周末,马上入职。正式从象牙塔步入职业发展征程咯!
以后应该每周读点文章明确自己的目标、思路与行业大环境的发展。
关注了一些微信公众号,每周看些文章,并分享一下。
开始!
第一篇:普通程序员如何入门AI(from公众号:程序人生)
Tips:
1、学习机器学习,光知道算法是远远不够的,还需要数据和场景去操练。
2、天池大赛,TB级别的数据下实践了特征工程、调参、交叉验证、计算F1分等。体验了分布式集群的威力。
3、首先,需要确立自己的职责,是算法开发还是算法应用,这两个差别很大。
算法应用:专注于了解业务以及算法的使用场景。
算法开发:数学推导能力以及编程技巧。
4、需要一个环境去实践,有大量的数据在特定的场景下去不断磨练自己对数据的认知,
对数据认知的过程就是:
将业务抽象成数学公式,将数据转化为特征的过程
推荐:
1. 首先学习算法可以去看一些书《机器学习实战》(强烈推荐)、《统计学习方法》(偏底层数学推导)、《机器学习实践应用》(偏业务)。也可以去看看吴恩达老师的关于机器学习的斯坦福公开课。
2.关于实践场景,可以去参加Kaggle的比赛或者天池大赛,推荐天池大赛,因为天池不光会提供真实的数据和比赛环境,最关键的是你可以获得许多与高手切磋交流的机会,这些交流会让人快速成长。
3.多多实践,其实市面上有很多现成的开源工具可以使用,有R、Spark-MLib、Sklearn等等,也有很多地方可以下载到开源数据集,推荐UCI数据集。下载好数据,选定一个场景,自己用代码去跑跑效果,比看100篇鸡汤都管用。
总结:
1、AI=算法+数据+场景。
2、确定侧重点,算法开发(编程、算法)还是算法应用(业务、场景)。
3、实践方法:开源工具、开源数据集、跑代码。
4、将业务抽象成数学公式,将数据转化为特征。
5、书+教程+天池大赛。
链接:
点击直达文章地址
第二篇:毕业3年的程序员,怎么进BAT | 12000字揭秘阿里连环炮面试(附开发手册)
Tips:
大部分公司在社招时,基本问两个问题。
第一个阶段是主语言本身以及它的高级特性
第二个阶段是讲述自己的项目,并在中间穿插着问题
这篇文章推荐了大量要学习java基础和web开发的书籍,还有社招面试的问题套路,总之弄清基础和原理很重要!不能光局限在会用!
找书链接
第三篇:这位成功转型机器学习的老炮,想把他多年的经验分享给你(from 程序人生)
Tips:
想要成为一个机器学习开发人员,究竟需要做些什么准备?到底如何才能从一个C++/JAVA/Android/iOS程序猿成为一个机器学习开发人员呢?
文章给了入门的方法,包括基础知识、数据集、机器配置、框架选择和一些例子等,值得入门时参考一下。
参考地址请戳
最后一篇:观点 | 深度学习,先跟上再说
Tips:
1、“其实是因为不得已。为什么?因为深度学习结合力太强。它可以放在各个场景下,给各个领域带来冲击。我们不知道这个东西能用在多少地方,有多大的潜力,能搞出什么名堂。别的技术,你大概可以设想出它极大发展之后所能达到的那个状态。比如说,区块链彻底重构互联网,一切数字产品皆可资产,代码即法律,所有的交易都自动履约完成;比如说,物联网给每一粒灰尘赋予一个 IP,纳米机器人在我们的血液里纵横,消灭一切疾病;比如说,VR 创造出的虚拟世界让人难辨真伪,一辈子体验几十辈子的人生,等等,这些事情,不管多么科幻,你都可以想得到,它有一个明确的方向。有方向就好办,你可以选择说这个方向我要跟,或者这个方向我不跟。但是深度学习不一样,你不知道它能力的边界在哪里,更没有明确的场景限制。几乎在你可以想到的任何事情中,你都可以构造一个复杂的网络,然后就把数据灌进去开始学啊学啊,蛮不讲理的就可能得出一个更好的结果。在竞争当中,这种武器是最可怕的,没有固定的形态,放到哪里都有可能弄出一个意外的大杀器。这种武器,如果别人有而你没有,不知道对方在什么地方、什么时候就突然拿出一个核弹把你炸得渣都不剩,你的准备、经验和积累完全不起作用,而且在此之前你完全预见不了。这种感觉太可怕了,因此我必须直接掌握这个工具,这个不是技术情怀,也不是前瞻,而是不得已。”
2、深度学习的牛逼之处在于它鼓励脑洞。比如,有些人设想用深度学习捕捉企业高管演讲内容和面部表情,来判断股票价格走势。这个脑洞开得够大吗?恐怕还只是一个开始。
3、所以,虽然深度学习挺难学,而且很有可能学下来也无所施展,但是我认识的一大批技术老炮都在跟进,捧起多年未翻的数学书开始吭哧吭哧学习,为什么?就是因为面对新的时代,手里没有深度学习这个大杀器,说话就不硬气。
我建议有条件的人,不必再犹豫了,尽快跟进深度学习吧,不必陷入孰优孰劣的争论之中,也不一定非要等到有了现成的加薪跳槽机会。坦率的说,深度学习人才的薪资今天是存在一定的泡沫的,但是以后这个泡沫会吹得更大。进入深度学习能给你打开一扇窗,帮助你在各个领域开拓创新的可能性。更重要的是,使你在很多领域里获得话语权,获得上牌桌的机会。
文中有一些DL应用的脑洞
that’s all
- 文章阅读(入门ML、DL;BAT经验)
- ML、DL单词(1)
- 从机器学习谈起- 值得深入阅读的ML入门文章
- ML&DL 数学知识整理
- recommender sys + dl + ml
- DL&ML基础学习一
- DL&ML基础学习二
- AI, ML, DL的区别
- DL外文精华文章整理(CVPR2015)
- DL入门
- 批处理经验积累(bat)
- DL参数调整经验
- 通用算法(ML,DL)分类判定指标:召回率 Recall、精确度Precision、准确率Accuracy等
- [转载]AI相关的学习资源一(包括DL ML CV等很多)
- 关于ML、DL中的一些问题(1)——数据归一化的作用
- 关于ML、DL中的一些问题(2)——数据归一化方法
- 关于一个DL/ML(深度学习/机器学习)的学习计划
- CV&DL&ML等资源整理
- [置顶]大坑【持续更新......】
- Android Gradle Build Error:Some file crunching failed, see logs for details解决办法
- 判断点是否落在面中的Oracle存储过程描述
- Spark Streaming 运行时Java VM内存不足
- 使用fastText进行文本分类
- 文章阅读(入门ML、DL;BAT经验)
- Android内存优化(四)解析Memory Monitor、Allocation Tracker和Heap Dump
- Oracle_spatial的几何处理函数
- js与oc交互以及cookie设置 UIWebView与WKWebview兼容
- 用Oracle的函数,判断点是否在多边形内
- Java精选笔记_网络编程
- 进程介绍及查看工具
- mnist数据集格式转换---机器学习(0)
- 「ML」chapter3:线性模型