Hello World - 机器学习食谱 #1
Hello World - Machine Learning Recipes #1
频道:Google for Developers · 时长:6:52 · 发布:2016-03-30 · 播放:2690939
简介
Google 机器学习食谱系列的第一集。它介绍了机器学习,并使用 scikit-learn 在大约六行 Python 代码中构建了第一个监督学习分类器。
HN 为什么推荐
HN 评论者推荐它作为程序员进入机器学习的平易近人的第一步,其中包含一个苹果与橙子的分类器。
非常平易近人!第一课是一个区分苹果和橙子的分类器。 — HN, 2016
中文字幕节选
[音乐播放] 只需六行代码,就能写出你的第一个机器学习程序。 我叫 Josh Gordon,今天我将 带你编写机器学习的 Hello World。 在本系列的前几集中, 我们将教你如何从零开始入门机器学习。 为此,我们将使用两个开源库:scikit-learn 和 TensorFlow。 稍后我们就会看到 scikit 的实际应用。 但首先,让我们快速谈谈什么是机器学习,以及它为何重要。 你可以把机器学习看作人工智能的一个子领域。 早期的人工智能程序通常只擅长一件事。 例如,深蓝可以下棋, 达到冠军水平,但仅此而已。 如今,我们希望编写一个程序, 无需重写就能解决许多问题。 AlphaGo 就是一个很好的例子。 就在我们说话时,它正在参加世界围棋锦标赛。 但类似的软件也能学会玩 Atari 游戏。 机器学习让这一切成为可能。 它研究的是从示例和经验中学习的算法, 而不是依赖硬编码的规则。 这就是最先进的技术。 但这里有一个更简单的例子,我们今天就开始编写代码。 我会给你一个听起来简单,但 没有机器学习就无法解决的问题。 你能编写代码来区分苹果和橙子吗? 想象一下,我让你写一个程序,它接收图像 文件作为输入,进行一些分析,并输出水果的类型。 你怎么解决这个问题?你必须先编写大量手动规则。 例如,你可以编写代码 来计算有多少橙色像素,并将其与 绿色像素的数量进行比较。 这个比例应该能提示你水果的类型。 对于像这样的简单图像,这很有效。 但当你深入研究这个问题时, 你会发现现实世界是混乱的,你编写的规则开始失效。 你会如何编写代码来处理黑白照片, 或者根本没有苹果或橙子的图像? 事实上,对于你写的几乎任何规则,我都能找到一张它不适用的图像。 你需要编写大量的规则, 而这仅仅是为了区分苹果和橙子。 如果我给你一个新问题,你需要从头开始。 显然,我们需要更好的方法。 为了解决这个问题,我们需要一种能为我们找出规则的算法, 这样我们就不必手动编写它们。 为此,我们将训练一个分类器。 目前,你可以把分类器看作一个函数。 它接收一些数据作为输入,并为其分配一个标签作为输出。 例如,我有一张图片,想将其分类为苹果或橙子。 或者我有一封电子邮件,想将其分类为垃圾邮件或非垃圾邮件。 自动编写分类器的技术称为监督学习。 它从你想要解决的问题的示例开始。 为了编写代码,我们将使用 scikit-learn。 在这里,我将下载并安装这个库。 有几种不同的方法可以做到这一点。 但对我来说,最简单的方法是使用 Anaconda。 这样可以轻松设置所有依赖项,并且跨平台运行良好。 借助视频的魔力,我将快进下载和安装过程。 安装完成后,你可以测试一切是否正常, 方法是启动一个 Python 脚本并导入 SK learn。 假设这一步成功了,那我们的程序第一行就完成了,还剩五行。 要使用监督学习,我们会遵循一个包含几个标准步骤的配方。
HN 上的讨论
为什么要书?我不知道你或你的表弟怎么样,但从书里学习太慢太枯燥了。为什么不试试视频系列或在线教程?或者,也许教他基础知识,和他一起做个小项目。Codecademy 是学习一些语法然后动手构建的好方法。“如何制作网站”是进入 Web 开发的好入门课程。YouTube 上也有很多好的 Python 基础视频,然后他可以深入学习 ML/AI:Google 的 Josh Gordon 的机器学习食谱 [VIDEO] Siraj Raval 关于 ML/AI/编程的频道 [LINK] 话虽如此,如果你真的想要一本书:“笨办法学 Python”,作者 Zed Shaw [LINK] — goldenbeet, 2017-05
我认为 scikit-learn 是入门机器学习的更好方式。比如看看这个:[VIDEO] — iverjo, 2016-10
你可以观看 Google 的 Josh Gordon 的“Hello World”机器学习菜谱视频。非常平易近人!第一课是一个区分苹果和橘子的分类器。[VIDEO] — kbaker, 2016-10
老实说,这看起来没那么复杂。只要看看 Google 的这个教育视频系列 [VIDEO],你就能用机器学习做出很酷的东西。 — mliker, 2016-09
你好,我的背景和你一样。假设你完全是个新手,我了解到人工智能不像编程,任何有基本计算知识的人都能上手。你不能仅仅通过阅读别人的代码来学习人工智能。它就像物理,在入门之前你需要理解一些坚实的原理。重点是:人工智能并不自带“电池”。如果你确实是个新手,你必须学习先决条件。按顺序遵循这些步骤,我保证你最多六个月内就能胜任人工智能。(根据我过去的经验) - 1. 了解人工智能实际上是什么 [LINK] - 2. 编写基本的机器学习代码 [VIDEO] - 3. 理解涉及的数学 [LINK] - 4. 掌握一些重要概念,[LINK] - 5. 完成。[LINK] — max_, 2016-06
相关视频
- 大数据与心理画像的力量 | 2016 Concordia 年度峰会 · Concordia · 11:01
- 纸箱改革 - 尼克松的幽灵法案与民主的关键缺陷 · CRI · 1:02:37
- 神经网络揭秘 [第 1 部分:数据与架构] · Welch Labs · 3:07
- Anton:实现生物分子模拟百倍加速的专用机器 · NC State · 1:20:34
- Ruby Conf 12 - Y Not- 函数式编程历险记 by Jim Weirich · Confreaks · 53:21
- 神经网络和反向传播的详细入门:构建micrograd · Andrej Karpathy · 2:25:52
- Python如何被泄漏的内部机制塑造,Armin Ronacher,Flask框架 · Видео с мероприятий {speach! · 49:55
- RailsConf 2014 - Sandi Metz 谈所有的小细节 · Confreaks · 38:47
- 事件循环到底是什么?| Philip Roberts | JSConf EU · JSConf · 26:52
- 但什么是神经网络?| 深度学习第一章 · 3Blue1Brown · 18:40
- 如何设计好的 API 以及为什么它很重要 · Google TechTalks · 1:00:19
- 时间与时区的问题 - Computerphile · Computerphile · 10:12
- AlphaGo - 电影 | 完整获奖纪录片 · Google DeepMind · 1:30:28
- Transformer,LLM 背后的技术 | 深度学习第 5 章 · 3Blue1Brown · 27:14
- RailsConf 2016 - Turbolinks 5:难以置信它不是原生的! by Sam Stephenson · Confreaks · 37:37
- USENIX Security '18-Q:为什么主题演讲者不断建议改进安全性是可能的? · USENIX · 51:22