iT邦幫忙

第 11 屆 iT 邦幫忙鐵人賽

DAY 3
0

剛開始接觸機器學習時,我一直在 google 搜尋裡努力的找尋教學資源。發現很多研究者都開放自己的研究跟程式碼,也錄製很多教學影片,資源之多,真是到了,不怕找不到,只怕你學不完境界。我東學一下西學一下,連學校圖書館裡 python 的書都被我借完一輪(不過很多沒有看啦!借心安的,實在沒空)。好像看懂了些東西又好像不懂。

一開始先不用忙著寫程式,跟惡補數學,雖然後面我們還是跑不掉。先來看看一點介紹類的影片,讓深度學習的概觀與一些基礎的東東先放進腦袋裡。優秀的教學真的太多,介紹一個很強大數學教學頻道 3Blue1Brown,之後我相信你會再回來看他的微積分跟線性代數。你知道的,機器學習其實本質也是數學。驚~

所以我們先來看看他的機器學習介紹第一集吧。這個系列教學讓我很有感覺,這是個介紹電腦視覺的起手式-手寫數字辨識,用深度學習來辦識手寫的0-9的原理影片。他用一些動畫將神經網路的運作視覺化,能很直觀的了解神經網路的運作。第一集只有19分鐘,而且有中文字幕很讚。

對了!當你看到下面這個畫面時,請不要關掉影片,他沒有要嚇你,只是帶過而己,不要怕。 /images/emoticon/emoticon06.gif

如果影片結束,你沒看到以下的東東,請重看一次。/images/emoticon/emoticon37.gif

  • 神經元 (neuron)
  • 激勵值 (activation)
  • 激勵函數 (activation function)
  • sigmoid函數 (sigmoid function)
  • 偏置 (bias)
  • 隱藏層 (hidden layer)
  • 權重 (weight)
  • 矩陣 (matrix)

好,第一集基本上是名詞解釋。

如果你還醒著,請直接看第二集(梯度下降,神經網絡如何學習),這集會介紹神經網路是怎麼學習辨識出這些手寫數字的原理。第二集會稍微難一點,那個山谷高度圖有卡住我一下。
/images/emoticon/emoticon46.gif

當你看到下面這個畫面時,請不要關掉影片,耐心看一下,可以懂的,撐住!

一樣,如果影片結束,你沒看到以下的東東,應該你就是睡著了,請重看一次。至於多變量微積分你就先當作沒聽到它吧,哈。

  • 訓練 (train)
  • 測試 (test)
  • 手寫數字圖庫 (MNIST Database)
  • 訓練資料的平均成本
  • 成本函數的最小值
  • 成本函數的局部最小值
  • 梯度下降 (gradient descent)
  • 反向傳播 (back propagation)
  • 神經網路的限制
  • Nielsen

這個系列的另外二集,有興趣可以看一下。不過今天就先這樣子吧,這二集的名詞已經夠忙一個星期了。希望你和我一樣在腦海中想到神經網路時會有動畫在跑。

最後,當你有認真看完這二集,你應該就看懂下面這個影片在幹麻了。

好,第3天,結束。
/images/emoticon/emoticon01.gif


上一篇
GCP / Coursera / ML Study Jam / Qwiklabs / iT邦幫忙鐵人賽
下一篇
關於數據的重要-筆記
系列文
「Google Machine Learning」學習筆記31

尚未有邦友留言

立即登入留言