機(jī)器學(xué)習(xí)簡(jiǎn)介

如果說要論機(jī)器學(xué)習(xí)的歷史，最早可以追溯到18世紀(jì)關(guān)于最小二乘法和馬爾可夫鏈的推導(dǎo)，這些構(gòu)成了機(jī)器學(xué)習(xí)的基礎(chǔ)。上世紀(jì)50年代，艾倫·圖靈關(guān)于“圖靈機(jī)”的設(shè)想以及馮·諾伊曼的計(jì)算機(jī)體系結(jié)構(gòu)的設(shè)計(jì)讓機(jī)器學(xué)習(xí)這個(gè)概念逐漸變?yōu)榱爽F(xiàn)實(shí)。從上世紀(jì)50年代末F·Rosenblatt的“Perceptron”模型一直到現(xiàn)在的各類神經(jīng)網(wǎng)絡(luò)模型，各種各樣機(jī)器學(xué)習(xí)的算法模型的大量出現(xiàn)還是科幻小說中對(duì)于智慧AI的大膽設(shè)想都證實(shí)了機(jī)器學(xué)習(xí)對(duì)于人類生活生產(chǎn)的重要價(jià)值?？梢哉f，機(jī)器學(xué)習(xí)這項(xiàng)技術(shù)對(duì)于現(xiàn)在的人類社會(huì)是不可或缺的。

機(jī)器學(xué)習(xí)對(duì)于制造業(yè)或互聯(lián)網(wǎng)相關(guān)工作也十分必要，大量計(jì)算機(jī)方面的工作都需要了解Python或者機(jī)器學(xué)習(xí)相關(guān)的技術(shù)。互聯(lián)網(wǎng)+、機(jī)器學(xué)習(xí)和制造業(yè)的相關(guān)結(jié)合也是中國(guó)目前發(fā)展的重要方向?？梢哉f，機(jī)器學(xué)習(xí)也是互聯(lián)網(wǎng)方面工作中不可或缺的重要知識(shí)基礎(chǔ)和未來發(fā)展方向。

對(duì)于計(jì)算機(jī)、金融、數(shù)據(jù)分析、自動(dòng)化等各種與計(jì)算機(jī)相結(jié)合的專業(yè)的同學(xué)來說，機(jī)器學(xué)習(xí)同樣也不可或缺。無(wú)論是以后發(fā)表相關(guān)論文還是各類互聯(lián)網(wǎng)+項(xiàng)目，機(jī)器學(xué)習(xí)可以說是非常重要的。任何相關(guān)專業(yè)和機(jī)器學(xué)習(xí)的有效結(jié)合可以大幅提高論文和項(xiàng)目的含金量，了解或?qū)W習(xí)機(jī)器學(xué)習(xí)相關(guān)知識(shí)，如果在未來的論文或項(xiàng)目中涉及到機(jī)器學(xué)習(xí)的相關(guān)內(nèi)容和創(chuàng)新也不會(huì)感到發(fā)怵，反而能夠得心應(yīng)手，大幅提高論文和項(xiàng)目的質(zhì)量。

我與“機(jī)器學(xué)習(xí)”的不解之緣

2.1 緣何相識(shí)“機(jī)器學(xué)習(xí)”

我是一位科班畢業(yè)的計(jì)算機(jī)學(xué)生，即將攻讀計(jì)算機(jī)方向研究生，但是慚愧地說，我在本科階段并沒有學(xué)習(xí)機(jī)器學(xué)習(xí)相關(guān)的課程，對(duì)機(jī)器學(xué)習(xí)完全沒有任何概念，一直到了大四我保研后，研究生導(dǎo)師突然讓我開始做機(jī)器學(xué)習(xí)相關(guān)的畢業(yè)設(shè)計(jì)時(shí)我才發(fā)現(xiàn)我對(duì)機(jī)器學(xué)習(xí)完全沒有任何了解。我上過類似吳恩達(dá)的機(jī)器學(xué)習(xí)相關(guān)課程，也讀過周志華的機(jī)器學(xué)習(xí)“西瓜書”，但是里面大量繁雜冗余的公式都讓我望而卻步。只能觀其表面，不理解其內(nèi)在含義，這會(huì)在以后的學(xué)習(xí)和工作中非常吃虧。

為了去理解這些公式帶來的含義，提升自己的機(jī)器學(xué)習(xí)基礎(chǔ)能力，我去找了很多相關(guān)的教材和視頻，嘗試去理解這些公式，但是完全靠自己去理解還是過于困難，沒有一個(gè)好的老師輔助去教授這些知識(shí)，我還是不能理解這些復(fù)雜公式帶來的含義。印象最深刻的就是學(xué)習(xí)SVM的核函數(shù)的時(shí)候，只學(xué)過微積分、概率論和線性代數(shù)的我當(dāng)聽到特征希爾伯特空間的時(shí)候整個(gè)人都是懵的，很多公式的數(shù)學(xué)符號(hào)我也完全看不懂，但是在書中學(xué)習(xí)這些基礎(chǔ)的時(shí)候又不可避免地要學(xué)習(xí)這些公式。

為了解決機(jī)器學(xué)習(xí)老大難的問題，我決定還是去網(wǎng)絡(luò)上搜索一些機(jī)器學(xué)習(xí)相關(guān)的完備課程來輔助我學(xué)習(xí)，而不是搜索單一的視頻或者書籍。這樣也是為了未來的研究生學(xué)習(xí)打下良好基礎(chǔ)。就這樣，我發(fā)現(xiàn)了一個(gè)課程：貪心AI“機(jī)器學(xué)習(xí)基礎(chǔ)”課程。

2.2 “貪心AI”為何甚好

課程設(shè)計(jì)

貪心AI的機(jī)器學(xué)習(xí)基礎(chǔ)課程分為了共計(jì)17章節(jié)，從最簡(jiǎn)單的機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)、線性回歸模型，到后來的SVM，神經(jīng)網(wǎng)絡(luò)，全都有非常詳細(xì)的課程設(shè)計(jì)，比如對(duì)于SVM來說，就包含了包括對(duì)Support Vector的直觀理解，線性可分的支持向量機(jī)這類早期的SVM模型以及到后來的核函數(shù)的理解，特征希爾伯特空間的理解，從線性支持到非線性支持等。難度在一章中也是逐漸上升的，模型的復(fù)雜度也是從淺入深。而且在每章視頻課程之后，課程還會(huì)讓我開發(fā)一個(gè)基礎(chǔ)的機(jī)器學(xué)習(xí)算法，將課上講解的知識(shí)和公式用代碼表示出來。不僅是因?yàn)榇a表示的話就可以保證我們完全理解這個(gè)模型的公式（如果不理解的話自然也就無(wú)法寫出代碼了），可以說是知識(shí)和實(shí)踐相結(jié)合了。

我在自己學(xué)習(xí)機(jī)器學(xué)習(xí)的時(shí)候從來沒想過自己手寫一個(gè)機(jī)器學(xué)習(xí)的算法，都是利用的各類框架，例如Tensorflow、Pytorch、sklearn等。這樣雖然學(xué)習(xí)非常快，但是也只是觸及機(jī)器學(xué)習(xí)的皮毛，不能理解機(jī)器學(xué)習(xí)的內(nèi)在含義，在未來面對(duì)各種各樣的機(jī)器學(xué)習(xí)模型，尤其是這些框架所不涉及的模型時(shí)，或者以后要查看每篇機(jī)器學(xué)習(xí)的論文的代碼時(shí)，我也就無(wú)從下手了，只得現(xiàn)學(xué)現(xiàn)賣。但是貪心AI的課程就和我自學(xué)完全不一樣，貪心AI的課程深度和廣度兼具，而且難度設(shè)置也非常合理。我從最開始的機(jī)器學(xué)習(xí)介紹開始學(xué)習(xí)，先將機(jī)器學(xué)習(xí)的概念進(jìn)行一些梳理，然后立即開始動(dòng)手開發(fā)一個(gè)AI程序，還通過身高預(yù)測(cè)體重這樣簡(jiǎn)單的案例入手機(jī)器學(xué)習(xí)，非常生動(dòng)形象。第一次寫完這個(gè)程序的時(shí)候我個(gè)人覺得整個(gè)程序其實(shí)非常簡(jiǎn)單，最初級(jí)的機(jī)器學(xué)習(xí)也沒什么難的，也沒有特別的“高大上”，畢竟機(jī)器學(xué)習(xí)真正的含金量體現(xiàn)在模型和算法上，至于代碼無(wú)非也就是這些的實(shí)現(xiàn)而已。后面的章節(jié)難度逐漸提升，從我高中時(shí)代就學(xué)過的線性回歸方程開始學(xué)習(xí)，然后逐步提升到比如貝葉斯算法（這也正是我研究生的研究方向之一）、隨機(jī)森林（重要，現(xiàn)在傳統(tǒng)機(jī)器學(xué)習(xí)算法中隨機(jī)森林都表現(xiàn)出極好的特性），再之后就到了深度神經(jīng)網(wǎng)絡(luò)、SVM這樣更加困難的算法。但是我覺得完全不用擔(dān)心難度的問題，因?yàn)槊空露紩?huì)配合練習(xí)題或者案例對(duì)每個(gè)章節(jié)介紹的機(jī)器學(xué)習(xí)模型進(jìn)行一個(gè)鞏固、夯實(shí)、提高的過程，這樣做能夠讓我更加牢固地理解每章教授的機(jī)器學(xué)習(xí)模型的概念、意義和使用場(chǎng)景。模型學(xué)習(xí)多了，在掌握了機(jī)器學(xué)習(xí)的基礎(chǔ)概念之后，再多的模型也就能像學(xué)習(xí)各種各樣五花八門計(jì)算機(jī)語(yǔ)言一樣卻不用擔(dān)心學(xué)不會(huì)一樣，只要能夠抓住核心概念，就算模型難度在升高，學(xué)習(xí)成本也在逐漸降低。畢竟在通過貪心AI課程學(xué)習(xí)的過程中，有關(guān)機(jī)器學(xué)習(xí)概念和基礎(chǔ)是越來越牢固的。

課程內(nèi)容

之前我在自學(xué)機(jī)器學(xué)習(xí)的時(shí)候，無(wú)論是書籍還是各類視頻資料等，老師在講解機(jī)器學(xué)習(xí)模型算法的時(shí)候我總是覺得講解的不夠仔細(xì)。老師在講解的時(shí)候，有時(shí)候前后邏輯不對(duì)或者老師跳過了一些他認(rèn)為學(xué)生理所應(yīng)當(dāng)理解的一些知識(shí)時(shí)，我就不能理解模型算法公式代表的意義了（比如前面SVM中的特征希爾伯特空間，很多書中并未詳細(xì)描述意義），但是因?yàn)槭且曨l資料或者書籍資料，我不理解的時(shí)候又不能立即進(jìn)行反饋，這樣我就只能選擇跳過不理解的部分。跳過的部分多了起來，我就只能理解皮毛不知其深淺了。但是貪心AI的課程卻不一樣。不僅老師在講解的時(shí)候非常細(xì)致，講解每章內(nèi)容的時(shí)候每一個(gè)點(diǎn)都講的非常豐富，而且全程還有專業(yè)助教來解答學(xué)生的各類問題，比如我學(xué)習(xí)的線性回歸章節(jié)，雖然內(nèi)容確實(shí)在整個(gè)課程中算是很簡(jiǎn)單的了，而且線性回歸本身也是高中就學(xué)習(xí)過的數(shù)學(xué)知識(shí)，但是我同樣存在一些沒有理解的問題，尤其是針對(duì)多元線性回歸方面我不是很理解（高中學(xué)習(xí)的不是很深入），我就立即去詢問助教，這樣就算我真的不理解老師這堂課介紹的模型的部分細(xì)節(jié)，我也能夠立即通過助教去了解，這樣就可以強(qiáng)化我所學(xué)的知識(shí)。而且每次課程結(jié)束都會(huì)有大量習(xí)題進(jìn)行練習(xí)，做題的時(shí)候如果做對(duì)了自然是成就感爆棚，但是就算做錯(cuò)了，我在做題的同時(shí)也可以糾正并強(qiáng)化這節(jié)課所學(xué)的知識(shí)。這樣的話，我也算做到了理解機(jī)器學(xué)習(xí)各類模型算法的意義，而不是像自學(xué)的時(shí)候?qū)W完一個(gè)模型也就草草了事，沒有深入去理解模型的算法和適用意義。

課程師資

我自學(xué)機(jī)器學(xué)習(xí)的時(shí)候，因?yàn)槎际菑木W(wǎng)絡(luò)上搜索視頻書籍資料，就完全不能保證師資力量，各種各樣的人都有，有些教的不錯(cuò)，有些人甚至他們自己都略懂皮毛。最離譜的是我還遇到過明明是兩個(gè)教同一個(gè)模型的視頻資料，但這兩個(gè)資料對(duì)這個(gè)模型的理解都完全不一樣的情況。但是貪心AI的師資力量卻非常優(yōu)秀，而且做到了統(tǒng)一。比如說李文哲老師，李文哲老師是貪心AI的創(chuàng)始人，也是貪心AI的老師之一。他本人的學(xué)術(shù)水平自然是非常之高，有多篇頂會(huì)論文發(fā)表，包括AAAI、KDD等，均可以在dblp等數(shù)據(jù)庫(kù)上查到。李老師講解的非常細(xì)致，也非常全面豐富，甚至還會(huì)舉一反三地進(jìn)行講解，明明課后已經(jīng)有大量的練習(xí)題供我們進(jìn)行練習(xí)了，但是李老師在上課的時(shí)候也能做到生動(dòng)有趣，而不是像我大學(xué)時(shí)候的很多老師一樣照著PPT念知識(shí)點(diǎn)，照本宣科，讓我覺得非常痛苦，還不如自學(xué)。所以我大學(xué)時(shí)代常常翹課去工作室學(xué)習(xí)，還常常被老師點(diǎn)名（不要學(xué)我）。印象很深的是李老師在教機(jī)器學(xué)習(xí)的基礎(chǔ)概念的時(shí)候，用了很多類比的方法來講解AUC和ROC，我很容易就理解了這倆是什么意思，以及為什么要用這兩個(gè)系數(shù)來評(píng)價(jià)模型優(yōu)劣性，而我自學(xué)的時(shí)候也就只能拿著這倆參數(shù)直接去用，用sklearn框架直接套用在我的模型代碼里面，沒有理解這倆表示了什么意義，而不理解這兩個(gè)參數(shù)的意義我就沒法去針對(duì)性地優(yōu)化我的機(jī)器學(xué)習(xí)模型。李老師可以說是我理想中的老師了。

課程配套設(shè)施

同時(shí)我還注意到，以前我在自學(xué)的時(shí)候，如果遇到了一個(gè)比較有趣的模型，我想去實(shí)際地嘗試去搭建這樣的一個(gè)模型，我就必須得自己在自己的電腦上去搭建環(huán)境。搭建過環(huán)境的應(yīng)該都知道這是一個(gè)非常痛苦的過程，不僅python的庫(kù)要下載（就算使用清華的鏡像源還是會(huì)經(jīng)?？〝嘀叵?#xff09;，各個(gè)版本要匹配（CUDA和各種各樣的Toolkit要和Tensorflow版本對(duì)應(yīng)，對(duì)應(yīng)不了還難以刪除重下），還要查看自己的顯卡和內(nèi)存是不是能夠運(yùn)行部分機(jī)器學(xué)習(xí)的模型，對(duì)于一些甚至連顯卡都沒有，只能用CPU來運(yùn)行機(jī)器學(xué)習(xí)模型的同學(xué)來說就非常痛苦了。但是我們?cè)趯W(xué)習(xí)貪心AI課程的時(shí)候，課后的實(shí)踐項(xiàng)目等等都有完整的在線環(huán)境可以讓我們?nèi)ナ褂?#xff0c;完全不用考慮內(nèi)存、顯卡等等配置的問題，更不用考慮還需要重新下載python庫(kù)的問題，節(jié)省了自己電腦的空間，更節(jié)省了自己花費(fèi)在搭建環(huán)境上的時(shí)間。上文提到的助教甚至也可以幫我查看修改我的代碼中的bug，成功修改過后也能強(qiáng)化我對(duì)模型算法的代碼記憶和對(duì)這個(gè)算法的理解。

總結(jié)

貪心AI的機(jī)器學(xué)習(xí)基礎(chǔ)課程讓我重新認(rèn)識(shí)了機(jī)器學(xué)習(xí)這個(gè)日后必備的科學(xué)技術(shù)。無(wú)論是貪心AI的課程設(shè)計(jì)、課程內(nèi)容的深度和廣度、課程所配備的各項(xiàng)設(shè)施（練習(xí)題、助教、Playground等）、還有課程的師資力量，都是非常優(yōu)秀的，我覺得在學(xué)習(xí)貪心科技課程的同時(shí)，也可以搭配一些教材，比如周志華西瓜書或者吳恩達(dá)的各類機(jī)器學(xué)習(xí)相關(guān)課程等，這樣的話就可以雙管齊下，在結(jié)合老師教授的內(nèi)容的同時(shí)也可以再輔助看看書籍，這樣也可以更加深入地了解機(jī)器學(xué)習(xí)，為未來學(xué)習(xí)和工作打下更堅(jiān)實(shí)的基礎(chǔ)。

總結(jié)

以上是生活随笔為你收集整理的我与AI：我的“机器学习”过程的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。