從蘋果店員到機(jī)器學(xué)習(xí)工程師，只有高中數(shù)學(xué)基礎(chǔ)的我是如何自學(xué)AI的？
來(lái)源：towardsdatascience 作者：Daniel Bourke 【新智元導(dǎo)讀】 從在Apple Store打工到創(chuàng)業(yè)失敗，再?gòu)腢ber司機(jī)到成為一名機(jī)器學(xué)習(xí)工程師，一位只有高中數(shù)學(xué)基礎(chǔ)的澳洲小哥自述如何從頭開(kāi)始自學(xué)AI和ML。來(lái)新智元 AI 朋友圈 和AI大咖一起討論吧～我曾在Apple Store工作，直到我想做出一些改變。而改變就從搭建我在Apple Store所提供的技術(shù)作為開(kāi)端。 我開(kāi)始研究機(jī)器學(xué)習(xí)和人工智能，但這個(gè)開(kāi)端的門檻真的太高了。幾乎每周Google和Facebook都會(huì)發(fā)布一種新的AI科技來(lái)加速現(xiàn)有技術(shù)或者提高我們的用戶體驗(yàn)。 自動(dòng)駕駛雖然是一個(gè)很好的方向，但它對(duì)于我來(lái)說(shuō)并非一個(gè)好的選擇。首先我對(duì)駕駛并不著迷，而且這個(gè)領(lǐng)域也存在一定的危險(xiǎn)系數(shù)。 雖然AI技術(shù)無(wú)處不在，但仍然很難給它賦予一個(gè)被廣泛認(rèn)可的定義。一些人認(rèn)為，深度學(xué)習(xí)就是AI，但是一些人則提出，除非它通過(guò)了圖靈測(cè)試，否則它不能被定義為AI。缺乏準(zhǔn)確的定義，讓我在開(kāi)始階段舉步維艱。學(xué)習(xí)一個(gè)擁有多重定義的知識(shí)領(lǐng)域真的太難了。 一開(kāi)始，我和我的朋友一起建立了一個(gè)網(wǎng)絡(luò)創(chuàng)業(yè)公司，但不久它就倒閉了，我們的失敗源于缺少想法。但在這個(gè)過(guò)程中，越來(lái)越多的ML和AI領(lǐng)域的知識(shí)開(kāi)始進(jìn)入我的視野。 “計(jì)算機(jī)可以為我學(xué)習(xí)？“我持懷疑態(tài)度。一次偶然的機(jī)會(huì)讓我接觸到Udacity的深度學(xué)習(xí)納米學(xué)位，一位名叫Siraj Raval的人出現(xiàn)在他們的宣傳視頻中，視頻中的他極具感染力。雖然我并不滿足他們最基本的要求（在那之前，我連一行的python代碼都沒(méi)寫過(guò)），但是我還是注冊(cè)了會(huì)員。
Siraj Raval
距離開(kāi)課三周之前我給Udacity的客服發(fā)郵件詢問(wèn)退款政策，那時(shí)的我很害怕自己無(wú)法完成課程，但最終我沒(méi)有選擇退款，相反的，我在規(guī)定時(shí)間內(nèi)完成了課程。這個(gè)過(guò)程困難重重，我提交的第一份作業(yè)比規(guī)定時(shí)間晚了四天，但是學(xué)習(xí)全球最重要技術(shù)之一所賦予我的那種成就感讓我勇往直前。 完成了深度學(xué)習(xí)納米學(xué)位以后，我面臨3個(gè)選擇：Udacity的AI納米學(xué)位、自動(dòng)駕駛納米學(xué)位或者機(jī)器人納米學(xué)位。這些都是不錯(cuò)的選擇，但我再一次陷入迷茫。 還是那個(gè)問(wèn)題：“接下來(lái)，我該何去何從？ ” 在我獲得深度學(xué)習(xí)納米學(xué)位的過(guò)程中，我擁有了該領(lǐng)域的基礎(chǔ)知識(shí)。現(xiàn)在，我需要學(xué)習(xí)下一門課程，而它應(yīng)該是什么呢？ 我從未想過(guò)回學(xué)校繼續(xù)學(xué)業(yè)，因?yàn)槲覜](méi)有十萬(wàn)美元來(lái)支持我讀一個(gè)碩士學(xué)位。像一開(kāi)始一樣，我向我的“導(dǎo)師” Google 尋求幫助。即使在沒(méi)有該領(lǐng)域任何先驗(yàn)知識(shí)的情況下入坑深度學(xué)習(xí)，我也并不滿足于只學(xué)習(xí)AI的冰山一角，我想要攀登上它的頂峰。 Trello是我的私人助理/課程協(xié)調(diào)員 在學(xué)習(xí)了一系列課程以后，我在Trello將我感興趣的課程列了出來(lái)。我深知在線學(xué)習(xí)課程的輟學(xué)率很高，但我不會(huì)讓自己成為其中的一員。我心中堅(jiān)守著一個(gè)目標(biāo)。 為了對(duì)自己負(fù)責(zé)，我開(kāi)始分享我在線學(xué)習(xí)之旅。我發(fā)現(xiàn)，這不僅可以幫助我鍛煉如何分析我所學(xué)習(xí)的知識(shí)，還可以幫助我結(jié)識(shí)一群志同道合的朋友。然而，我的朋友仍然認(rèn)為我是AI領(lǐng)域的一個(gè)門外漢。 我開(kāi)源了我的Trello (https://trello.com/b/tyHAvpcY/online-ai-masters-degree)，并寫了一篇關(guān)于我這一路走來(lái)的勵(lì)志博客。現(xiàn)在的課程設(shè)置和我那時(shí)的有了一些改變，但是依舊相關(guān)。我每周都會(huì)登錄幾次Trello并記錄我的進(jìn)度。 我是一個(gè)澳大利亞人，而AI的大事件幾乎都在美國(guó)上演。所以我做了一件最合邏輯的事情，買了一張前往美國(guó)的單程票。我已經(jīng)學(xué)習(xí)了一年，我認(rèn)為現(xiàn)在到了我開(kāi)始實(shí)踐技能的時(shí)候了。我的目標(biāo)是進(jìn)軍美國(guó)并在那獲得一份工作。 隨后，Ashlee在領(lǐng)英（LinkedIn）上對(duì)我說(shuō)：“嘿，我看過(guò)你的帖子，它們真的很酷，我想你應(yīng)該和Mike見(jiàn)一面。” 隨后我和Mike會(huì)面了。 我給他講了我在網(wǎng)上學(xué)習(xí)的故事、我對(duì)健康科技（Healthtech）的熱愛(ài)以及前往美國(guó)的計(jì)劃。他對(duì)我說(shuō)：”你最好在這里住一年左右，看看你能找到什么，我想你會(huì)希望認(rèn)識(shí)Cameron的。” 然后我又和Cameron見(jiàn)面了。我們聊了當(dāng)初我和Mike聊的類似話題：健康、科技、在線學(xué)習(xí)、美國(guó)。Cameron說(shuō)：“我們正在做一些健康問(wèn)題相關(guān)的研究，你是否可以考慮星期四來(lái)公司看看？” 星期四終于到了，我很緊張。但是有人曾經(jīng)告訴我緊張與激動(dòng)的本質(zhì)是一樣的，于是我激動(dòng)起來(lái)。我花了一天的時(shí)間與Max Kelsen團(tuán)隊(duì)會(huì)面，并討論了他們正解決的問(wèn)題。 兩周過(guò)后，首席機(jī)器學(xué)習(xí)工程師Athon和首席執(zhí)行官Nick邀請(qǐng)我一起去喝咖啡。Nick問(wèn)：“你是否考慮加入我們的團(tuán)隊(duì)？” “當(dāng)然，”我說(shuō)。我的美國(guó)航班推遲了幾個(gè)月，繼而我購(gòu)買了返程機(jī)票。 我知道在線學(xué)習(xí)是一種非常規(guī)的學(xué)習(xí)方式。我申請(qǐng)的所有職位都要求申請(qǐng)者有碩士學(xué)位或者某些技術(shù)性的學(xué)位。我不滿足這兩個(gè)要求中的任何一個(gè)，但是我卻具備從眾多在線學(xué)習(xí)課程中學(xué)習(xí)到的技能。 一路走來(lái)，我在網(wǎng)上分享我的工作。我的Github包含了我所完成的所有項(xiàng)目。我Linkedln主頁(yè)里也堆積如山。在與同行討論我在YouTube和Medium的文章中學(xué)到的知識(shí)的過(guò)程也鍛煉了我的溝通交流能力。我從未向Max Kelsen遞交過(guò)簡(jiǎn)歷，卻從他們那收到了“我們看到了您的Linkedln個(gè)人資料”的回饋。我的履歷就是我的個(gè)人簡(jiǎn)歷。 無(wú)論你是在線學(xué)習(xí)還是在讀碩的過(guò)程中學(xué)習(xí)，能夠?qū)⑺瓿傻墓ぷ骺偨Y(jié)為一個(gè)作品集，就像在升級(jí)打怪的過(guò)程中積攢裝備一樣，是非常重要的 。 當(dāng)你具備了ML和AI技能以后，你要學(xué)會(huì)如何向他人展示自己。現(xiàn)在已經(jīng)不再是酒香不怕巷子深的年代了。無(wú)論是在Github，Kaggle， Linkedln還是在你的博客上，你要擁有一個(gè)讓他人發(fā)現(xiàn)你的平臺(tái) 。此外，能夠在網(wǎng)絡(luò)上有自己的一席之地會(huì)給你帶來(lái)無(wú)限的樂(lè)趣。 你要到哪里學(xué)習(xí)這些技能而哪些課程又是最好的選擇呢？ 我不能給你一個(gè)最好的答案。因?yàn)檫@要因人而異。一些人可以從書(shū)本中找到答案，而另外一些人卻更喜歡看視頻學(xué)習(xí)。 相比較于如何開(kāi)始，更重要的一個(gè)問(wèn)題是為什么要開(kāi)始？ 多問(wèn)問(wèn)自己為什么：為什么你想學(xué)習(xí)這些技能？你想要掙錢么？你想做一個(gè)締造者么？你想做點(diǎn)與眾不同的事兒么？這些問(wèn)題沒(méi)有統(tǒng)一的答案，它們都可以成為正當(dāng)?shù)睦碛伞?/section>從問(wèn)為什么開(kāi)始，因?yàn)椤盀槭裁础庇肋h(yuǎn)比”如何做“更加重要。以”為什么“作為你的開(kāi)端，可以在事情變得艱難時(shí)，引領(lǐng)你朝最初的目標(biāo)努力，提醒自己不忘初心。 現(xiàn)在心中已經(jīng)有了那個(gè)問(wèn)號(hào)是么？好的，那是時(shí)候開(kāi)始學(xué)習(xí)真正的技術(shù)了。我只能依據(jù)我的經(jīng)驗(yàn)推薦給你們一些課程（有先后順序）： Treehouse — Introduction to Python
DataCamp — Introduction to Python & Python for Data Science Track
Udacity — Deep Learning & AI Nanodegree
Coursera — Deep Learning by Andrew Ng
fast.ai — Part 1（很快會(huì)有Part 2）
如果您是絕對(duì)的初學(xué)者，請(qǐng)從一些入門的Python課程開(kāi)始，當(dāng)你有了信心后，可以學(xué)習(xí)數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)和AI。DataCamp非常適合希望以數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)為重點(diǎn)來(lái)學(xué)習(xí)Python的初學(xué)者。 我所受過(guò)的最等高的數(shù)學(xué)教育截止到高中。其余的數(shù)學(xué)都是我在Khan Academy按需學(xué)習(xí)的。不同人對(duì)ML和AI對(duì)數(shù)學(xué)基礎(chǔ)的要求有很多不同的看法，下面我會(huì)分享我的看法。 如果你僅是將現(xiàn)有的ML和AI技術(shù)應(yīng)用到你要解決的問(wèn)題上，那么不必對(duì)數(shù)學(xué)知識(shí)進(jìn)行深究，你也可以得到一個(gè)很好的結(jié)果。TensorFlow和PyTorch之類的庫(kù)可以幫助Python初學(xué)者構(gòu)建最先進(jìn)的模型的同時(shí)，在其后端為你處理所涉及的數(shù)學(xué)問(wèn)題。 如果你想通過(guò)博士學(xué)位課程或類似方法深入ML和AI研究，那么對(duì)數(shù)學(xué)有深入的了解是至關(guān)重要的。就我而言，我并非致力于深入研究數(shù)學(xué)并將算法的性能提高10％。我會(huì)將這個(gè)難題留給那些比我聰明的人。相反，我很樂(lè)意使用現(xiàn)有的開(kāi)源庫(kù)來(lái)解決我所面臨的問(wèn)題。 一個(gè)機(jī)器學(xué)習(xí)工程師的職責(zé)剖析 一個(gè)機(jī)器學(xué)習(xí)工程師的實(shí)際職責(zé)可能并非你想象的那樣。盡管網(wǎng)上有許多文章用熬紅了雙眼在構(gòu)建機(jī)器人的工程師的照片作為封面來(lái)奪人眼球，但事實(shí)并非如此。以下是機(jī)器學(xué)習(xí)工程師每天會(huì)思考的幾個(gè)問(wèn)題： 內(nèi)容 ——如何應(yīng)用ML來(lái)幫助你更好地解決問(wèn)題？數(shù)據(jù) ——你是否需要更多的數(shù)據(jù)？數(shù)據(jù)的輸入形式是什么？如何解決數(shù)據(jù)缺失問(wèn)題？建模 ——你應(yīng)該應(yīng)用哪些模型？這個(gè)模型是否會(huì)在你的數(shù)據(jù)集上過(guò)擬合亦或欠擬合？預(yù)測(cè) ——如何應(yīng)用你構(gòu)建的模型進(jìn)行預(yù)測(cè)？這個(gè)模型是在線學(xué)習(xí)模型還是需要定期更新？應(yīng)用 ——如果你的模型不好用了怎么辦？你該如何通過(guò)輸入更多數(shù)據(jù)來(lái)提高它的效果？是否有更好的解決辦法？上述問(wèn)題來(lái)源于Rachel Tomans的一篇文章。作為fast.ai的創(chuàng)始人之一，她在文章中進(jìn)行了更有深度的剖析。（詳見(jiàn)：https://www.fast.ai/2018/07/12/auto-ml-1/） 從來(lái)沒(méi)有哪條特定的路是通往ML和AI的正確途徑。這個(gè)領(lǐng)域的美妙之處在于，我們可以使用世界上一些最好的技術(shù)，而我們要做的就是學(xué)習(xí)如何使用它們。 你可以從學(xué)習(xí)Python作為開(kāi)端（就像我一樣），也可以通過(guò)學(xué)習(xí)一些微積分和統(tǒng)計(jì)學(xué)知識(shí)來(lái)入門，亦或通過(guò)學(xué)習(xí)決策論來(lái)開(kāi)始這段學(xué)習(xí)之旅。ML和AI讓我著迷的原因就是，它們是集大成者。 我了解得越多，我就意識(shí)到有更多的東西要學(xué)，這讓我無(wú)比興奮。有時(shí)，我會(huì)因?yàn)榇a有bug或者無(wú)法理解一個(gè)概念而感到沮喪。這時(shí)我會(huì)選擇暫時(shí)放棄。我通過(guò)小睡一會(huì)或去散散步來(lái)暫時(shí)擺脫問(wèn)題。當(dāng)我回來(lái)時(shí)，感覺(jué)自己可以從另外一個(gè)視角對(duì)問(wèn)題進(jìn)行審視，繼而感到興奮。我可以持續(xù)學(xué)習(xí)，因?yàn)槲腋嬖V自己：我是一臺(tái)學(xué)習(xí)機(jī)器。 這些領(lǐng)域日新月異，因此上手時(shí)你可能會(huì)心存恐懼。而有時(shí)，太多的選擇導(dǎo)致沒(méi)有選擇，因此你要學(xué)會(huì)忽略。 從你最感興趣的領(lǐng)域開(kāi)始并堅(jiān)持下去。如果你進(jìn)入了死胡同，那是一件好事，因?yàn)槟阋呀?jīng)排除了你不感興趣的東西。帶著夢(mèng)想，重新啟程。 請(qǐng)記住，電腦雖然很聰明，但它們無(wú)法自己學(xué)習(xí)，需要你施以援手。
本站僅提供存儲(chǔ)服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)
點(diǎn)擊舉報(bào) 。
