中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

大數(shù)據(jù)文摘作品

編譯：馮琛、龍牧雪

What? 高中生也可以？

人工智能、大數(shù)據(jù)已經(jīng)被納入了我國高中“新課標”，但估計大多數(shù)高中生要是真想了解這一學(xué)科恐怕是一頭霧水：高數(shù)沒學(xué)過，編程也不會，老師也不教，這怎么學(xué)人工智能？

新加坡有位高中生Karan Jaisingh已經(jīng)學(xué)習(xí)人工智能和機器學(xué)習(xí)一年了。不久前，他在GitHub發(fā)出了一篇長文，專門教廣大高中生（以及高中老師、高中生家長、準高中生、準高中生家長……）入門人工智能。

不看不知道，他的LinkedIn顯示他還是個CEO！他正在開發(fā)一個錯題集和期末復(fù)習(xí)相關(guān)的App??

文摘菌不禁惦記起了廣大想入行的本科生、碩士生、博士生……告訴我，春節(jié)假期余額嚴重不足了，你計劃要看的書翻開了嗎？如果沒有，可以參考下面這篇入門指南，它雖然是針對高中生而寫，但使用的都是主流教程和工具。

這份指南中整合的內(nèi)容，是為打算在機器學(xué)習(xí)和人工智能這個新興領(lǐng)域內(nèi)有所建樹的高中生準備的。目前在這個領(lǐng)域還沒有適合高中生的學(xué)習(xí)路徑。這份指南的特別之處在于，你不需要了解線性代數(shù)、偏導(dǎo)以及其他高中生沒有學(xué)到的復(fù)雜數(shù)學(xué)概念。

如果你能夠定期按照這個路徑學(xué)習(xí)，我相信在短短三個月內(nèi)你會進步飛速。接下來我們就正式開始吧。

我強烈推薦Python，不僅僅因為它超容易上手，還因為它提供了機器學(xué)習(xí)會用到的幾乎所有好用的函數(shù)庫。R也很好用，但是我認為Python更適合高中生。除了基礎(chǔ)的編程，Numpy、Pandas和Matplotlib是機器學(xué)習(xí)中最有用的幾個函數(shù)庫。

如果你沒有任何編程經(jīng)驗，我推薦你上一門多倫多大學(xué)的免費課程。多倫多大學(xué)是目前在機器學(xué)習(xí)和人工智能方面水平最高的大學(xué)之一。這門課耗時數(shù)周，但它值得你花費時間。你在這門課程中學(xué)到的大多數(shù)知識都能應(yīng)用于任何其他的編程語言，唯一不同的只有語法。

課程鏈接： 

https://www.coursera.org/learn/learn-to-program?siteID=SAyYsTvLiGQ-rs4V8qoewjp3oL7Nr.r_Fw&utm_content=10&utm_medium=partners&utm_source=linkshare&utm_campaign=SAyYsTvLiGQ#

如果你有除Python之外的編程經(jīng)驗，可以直接瀏覽以下語法教程，這最多耗時一天。

教程鏈接：

https://www.tutorialspoint.com/python/python_basic_syntax.htm

學(xué)習(xí)了Python的基本知識后，你需要了解Numpy、Pandas兩個函數(shù)庫（Matplotlib可以之后再說）。Numpy數(shù)組和Pandas用于調(diào)用和更改數(shù)據(jù)，Matplotlib用來制作圖表將數(shù)據(jù)可視化。下面兩個課程只需要幾天時間就能完成：

• Numpy: http://cs231n.github.io/python-numpy-tutorial/

• Pandas: https://pandas.pydata.org/pandas-docs/stable/10min.html

文摘菌備注：這篇Numpy教程是斯坦福CS231n的配套練習(xí)，想同步學(xué)可以看大數(shù)據(jù)文摘翻譯的視頻 筆記

http://study.163.com/course/courseMain.htm?courseId=1003223001

如果要說一門通用的機器學(xué)習(xí)課程，那非吳恩達（Andrew Ng）的課程莫屬。對于高中學(xué)生來說，這門課程可能有點難度，因為它涉及到偏導(dǎo)數(shù)等概念（盡管這些概念不是必須的）。建議反復(fù)觀看第3至5周的課程。

我鼓勵每個人都學(xué)學(xué)這門課并做筆記，雖然基于Matlab的編程相關(guān)的教程和練習(xí)不是必須的，而且根據(jù)我的經(jīng)驗，這個課程對于高中生來說難以掌握。但不用擔(dān)心，我們將用更短的時間在Python中完成相同（甚至更先進）的算法。

• 課程鏈接：

  https://www.coursera.org/learn/machine-learning

在沒有通用數(shù)學(xué)基礎(chǔ)的情況下想要理解機器學(xué)習(xí)算法，理論上講是很難的。但是一個澳洲團隊解決了這個問題。

來自SuperDataScience團隊的Kirill Eremenko和Hadelin de Ponteves，特別擅長在現(xiàn)實生活中尋找實現(xiàn)簡單算法的途徑。更厲害的是，這讓沒有復(fù)雜數(shù)學(xué)背景的高中生可以輕松理解。

他們的課程包括Python和R，不用擔(dān)心R的部分，只需要看Python的教程就可以了。如果你覺得他們的課有點慢，可以用1.25倍速播放。

他們的課在Udemy上，是付費的，但Udemy一般都給他們的課90%的折扣。在這可以找到課程，通常只要花費10美元。

• 課程鏈接：

  https://www.udemy.com/machinelearning/learn/v4/overview

該課程涵蓋了從基本回歸分析到深度卷積神經(jīng)網(wǎng)絡(luò)。如果你還想探索更深的領(lǐng)域，機器學(xué)習(xí)課程的最后提供了他們的深度學(xué)習(xí)課程，有90%的折扣。但是，因為第二個課程太新了，其中的概念可能有點超前并缺乏合適的分類整理。

如果你不愿意花錢學(xué)，你可以看看谷歌的免費深度學(xué)習(xí)課程，或者密西根大學(xué)的免費課程。但是這些課程都與SuperDataScience的課程相差甚遠。

• 谷歌的免費深度學(xué)習(xí)課程：

  https://www.udacity.com/course/deep-learning--ud730

• 密西根大學(xué)的免費課程： 

  https://www.coursera.org/learn/python-machine-learning

對于這些課，做筆記不是必須的，網(wǎng)上有很多算法小抄，你一下就能看明白這些算法是怎么運作的。

• 小抄鏈接：

  https://www.analyticsvidhya.com/blog/2017/02/top-28-cheat-sheets-for-machine-learning-data-science-probability-sql-big-data/

現(xiàn)在你掌握了廣泛的機器學(xué)習(xí)概念，并且學(xué)到了大量的技能。是時候在這些基礎(chǔ)項目上小試牛刀啦。我建議上Kaggle或者UCI機器學(xué)習(xí)庫，找個你感興趣的數(shù)據(jù)集，對它進行建模解決一些問題。嘗試各種不同的算法，嘗試去不斷優(yōu)化模型表現(xiàn)。

• Kaggle：

  https://www.kaggle.com/

• UCI機器學(xué)習(xí)庫：

  http://archive.ics.uci.edu/ml/datasets.html

確保你用的數(shù)據(jù)集簡單明了，它們不應(yīng)該需要太多的預(yù)先處理和修改。一些我能想到的簡單數(shù)據(jù)集：鳶尾花數(shù)據(jù)、葡萄酒數(shù)據(jù)、威斯康星州乳腺癌數(shù)據(jù)、自閉癥篩查數(shù)據(jù)、國會投票數(shù)據(jù)、MNIST手寫數(shù)字數(shù)據(jù)和MNIST時尚數(shù)據(jù)。

如果你遇到障礙，Stack Overflow是你的好朋友，上面有你所有問題的答案。如果沒有，發(fā)布一個問題，幾個小時內(nèi)就能得到解答。

• Stack Overflow鏈接：

  https://stackoverflow.com/

現(xiàn)在你已經(jīng)有了對全部基礎(chǔ)知識有了很好的廣泛了解。我建議你在機器學(xué)習(xí)的范圍內(nèi)尋找一個感興趣的領(lǐng)域，并且深入了解它。在高中階段，你可能沒有時間成為所有領(lǐng)域的專家，但可以嘗試去征服一個或兩個領(lǐng)域。

應(yīng)用一種特殊的神經(jīng)網(wǎng)絡(luò)使計算機觀察并理解事物，這應(yīng)該是當(dāng)下機器學(xué)習(xí)及人工智能最熱門的領(lǐng)域。斯坦福大學(xué)發(fā)布了相關(guān)在線課程，講義、課堂筆記和作業(yè)都公開。盡管課程涉及的數(shù)學(xué)有些復(fù)雜，不要擔(dān)心，試著去學(xué)習(xí)一下，該課程只是為了加深你的知識。另外，你還可以看看OpenCV，這是一個計算機視覺庫，它可以為你處理很多復(fù)雜的東西。這是一個很好的教程。當(dāng)你完成上述這些，就去Kaggle和UCI上找更多的高級圖像數(shù)據(jù)集，或者參加Kaggle的競賽。

• 斯坦福CS231n在線課程：

  http://cs231n.stanford.edu/

• OpenCV教程：

  https://www.youtube.com/watch?v=Z78zbnLlPUA&list=PLQVvvaa0QuDdttJXlLtAJxJetJcq

  mqlQq

• 斯坦福CS231n中文字幕視頻 筆記：

  http://study.163.com/course/courseMain.htm?courseId=1003223001

了解計算機如何學(xué)習(xí)說話也是當(dāng)下的一個突出話題。斯坦福大學(xué)又提供了一個在線課程。如果你不了解其中的一些數(shù)學(xué)概念，不要擔(dān)心，只需要了解這個領(lǐng)域的工作原理。對于實現(xiàn)NLP應(yīng)用，你可以學(xué)習(xí)Udemy課程。你也可以選擇Siraj Raval的視頻。如果你已經(jīng)完成了這些，可以嘗試開始做簡單的眾所周知的項目，比如創(chuàng)建聊天機器人，情感分析或為歌曲創(chuàng)建歌詞。

• 斯坦福CS224n在線課程：

  http://web.stanford.edu/class/cs224n/

• Udemy課程：

  https://www.udemy.com/data-science-natural-language-processing-in-python/

• Siraj Raval的視頻：

  https://www.youtube.com/watch?v=9zhrxE5PQgY
  

• 大數(shù)據(jù)文摘經(jīng)授權(quán)譯制Siraj Raval多個視頻，戳這里看

該領(lǐng)域?qū)Ｗ⒂跈C器如何以特定方式學(xué)習(xí)，其最受歡迎的應(yīng)用程序是在電玩領(lǐng)域。 Siraj Raval在這方面又有了一個不錯的視頻集合，另外David Silver的UCL課程非常棒，雖然初學(xué)者可能會覺得有點難 。一旦你完成了這些工作，就可以開始從網(wǎng)上下載基礎(chǔ)項目，并添加人工智能元素來改進他們的行為模式。

• Siraj Raval：

  https://www.youtube.com/watch?v=i_McNBDP9Qs&list=PL2-dafEMk2A5FZ-MnPMpp3PBtZcINKwLA

• David Silver的UCL課程：http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html

這是一個萌芽的領(lǐng)域，有許多令人興奮的工作機會。我建議你學(xué)習(xí)SuperDataScience的付費課程或加州大學(xué)圣地亞哥分?；赑ython的免費課程。你還必須學(xué)習(xí)SQL以及Matplotlib。在學(xué)生時期學(xué)習(xí)的優(yōu)勢在于找工作——我有高中的朋友拿到了數(shù)據(jù)科學(xué)實習(xí)的offer，因為從他們的工作中獲得的數(shù)據(jù)可以立即被公司拿去盈利。公司總是很需要數(shù)據(jù)科學(xué)家。

• SuperDataScience的付費課程：

  https://www.udemy.com/datascience/

• 加州大學(xué)圣地亞哥分校的免費課程：

  https://www.edx.org/course/python-data-science-uc -san-diegox-dse200x

• SQL：

  https://www.khanacademy.org/computing/computer-programming/sql

• Matplotlib：

  https://www.youtube.com/watch?v=q7Bo_J8x_dw

還有像代表性學(xué)習(xí)（用于推薦系統(tǒng)）、Adversial Networks（AI改進AI）和遺傳算法（以與自然進化類似的方式改進解決方案）等領(lǐng)域，但在我看來，對于大多數(shù)高中學(xué)生來說，這些是延伸學(xué)習(xí)。因為這些領(lǐng)域目前沒有盈利空間，他們不像其他領(lǐng)域被學(xué)習(xí)和發(fā)掘得那么全面。如果你對其中某個領(lǐng)域特別感興趣，也可以盡情去探索。

如果你想要長期在這個領(lǐng)域中工作，了解它是什么、有什么突破性進展以及它對社會的影響至關(guān)重要。

高中生應(yīng)該做如下幾件事來加深對該領(lǐng)域的了解、增長見識：

• 開始閱讀研究論文：它們不像你想象的那么有挑戰(zhàn)性。即使只有高中數(shù)學(xué)水平也可以讀懂很多論文。如果你讀到一篇不理解的，放下它不用讀了，還有很多其他的替代選擇。

  https://www.kdnuggets.com/2017/04/top-20-papers-machine-learning.html

• 關(guān)注領(lǐng)域內(nèi)的先驅(qū)：像吳恩達、Ian Goodfellow和Yann LeCunn都經(jīng)常接受采訪，他們給出了這一領(lǐng)域內(nèi)專家對于人工智能課題的權(quán)威觀點。

  https://www.youtube.com/user/Maaaarth/videos

• 與時俱進：Wired是科技達人的最佳平臺之一。它每天發(fā)布多個與AI相關(guān)的故事。這是個方便快捷了解實時趨勢的好途徑。另外，訂閱TechCrunch的Facebook Messenger機器人 - 它通常會每天推送與人工智能相關(guān)的有趣文章。

  https://www.wired.com/tag/artificial-intelligence/
  

• 了解內(nèi)涵：沒有比看TED更好的方式了。他們的發(fā)言人在這個領(lǐng)域非常權(quán)威，并且在發(fā)言中越來越強調(diào)人工智能。

  https://www.youtube.com/user/TEDtalksDirector/videos

• 了解哲學(xué)：人工智能有支持者也有反對者。然而，它背后的哲學(xué)是有趣的。推薦一些我喜歡并且適合高中生閱讀的探究該領(lǐng)域的書籍，包括Ray Kurzweil的《如何創(chuàng)造心靈》和Max Tegmark的《生活3.0》。

  http://s3.amazonaws.com/arena-attachments/1446178/cffa5ebc74cee2b1edf58fa9a5bbcb1c.pdf?1511265314

• 做貢獻：如果你喜歡從他人的經(jīng)驗中學(xué)習(xí)，看看臉書上的人工智能和深度學(xué)習(xí)小組?；蛘撸绻愀矚g對話，看一下Reddit上的人工智能相關(guān)問題。

  https://www.reddit.com/r/artificial/

并不是每個人都要遵循這一條路徑，你也可以尋找自己的學(xué)習(xí)路徑。機器學(xué)習(xí)和人工智能是一個新領(lǐng)域，一般是研究生在學(xué)習(xí)相關(guān)課程。但這并不是說此領(lǐng)域晦澀難懂，只要掌握學(xué)習(xí)方法，什么時候?qū)W習(xí)都不算晚。