機械学習入門メソッドの最も価値のあるコレクションを今日あなたと共有します

元のタイトル: 機械学習を始める方法!

動画紹介: https://v.qq.com/iframe/player.html?vid=f0639ireb7v&tiny=0&auto=0

機械学習に関して、私が最もよく受ける質問は、「機械学習を始めたばかりの人への最良のアドバイスは何ですか?」です。

正直に言うと、この質問にどう答えたらいいのか分かりません。すべての学習者は、独自の学習ニーズと目標を持つ独立した個人です。私ができるのは、機械学習を学び始めたときに役立ったことを共有することだけです。

機械学習を始めたきっかけ

2017 年に、ゲームをプレイするために機械学習を実装した SethBling の小さなデモを見ました。

Sethbling-Marl/O-ビデオゲームのための機械学習

この小さなロボットが自ら学習する能力を持ち、マリオのゲームを何度も繰り返しプレイできることに私は衝撃を受けました。それ以来、私はニューラルネットワークを使った他のボットが様々なゲームで使われているのを見てきました。

ディン・ニコラス - 遺伝的アルゴリズムが戦い方を学ぶ！

Caryhkの伝統的な機械学習プロジェクトから

carykh-Evolv.io におけるニューラル ネットワークと望まない妊娠!

星間機械学習プロジェクトへ——

[[228924]]

Youtube アップロード済み - AI SC2 FirstSteps

カニエ・ウェストのラップに関するLSTMプロジェクトを行った人もいた

[[228925]]

Rabboie Barrat - ニューラル ネットワーク生成ラップ、V2

Dota2用のOpen AIもあります

[[228926]]

Dota 2 Dendi vs OpenAI (Bot)-1v1-T17

GTA by sentdex

sentdex-ストリーム、FPV、その他 dada-Python が GTA P.15 をプレイ

機械学習を学ばなければならないと分かりました。とても面白かったからです。

TensorFlow をインストールし、syntax からコードをいくつかダウンロードしましたが、何が起こっているのか全く分かりませんでした。ニューラル ネットワークは大量のデータ セットを使用してモデルをトレーニングすることに成功しましたが、コードを変更するたびにエラーが発生していました。これは、Python 構文をこれまで使用したことがなかったことも一因ですが、さらに重要なのは、ニューラル ネットワークの記述方法が全く分からなかったことです。

まず、Google で「ニューラル ネットワークの書き方」と検索してみましたが、まったく異なる数学と記号の寄せ集めが見つかり、まるで私にとっては異質な言語の​​ようでした。その時は非常にイライラしましたが、目標を達成しようと決意しました。そのとき、Coursera で Andrew Ng の機械学習コースを見つけました。なんと、そのコースもエイリアンの言語で行われていました。コースの最初の数章は問題なく完了できましたが、その後、Andrew Ng はまたエイリアンの言語で話し始めました。

私がどうやって頑張ったか

皆さん、私と同じように機械学習の旅を始めると、間違いなく大きな語彙の衝撃に遭遇するでしょう。信じてください、あなたの混乱のほとんどは、言及された単語を理解できないことによって引き起こされます。これに気づいたとき、私は学習方法を変えて、この巨大な異星の言語を学ぶことにしました。学習していくうちに、ベクトル、行列、活性化関数の伝播、機械学習など、繰り返し出てくる用語や記号がたくさんありました。 Unity3D のおかげで、私は「ベクトル」の概念についてしばらく勉強しました。そして、行列の乗算など、機械学習のいくつかの概念を理解したと感じるたびに、お気に入りの機械学習リソースに戻って、理解しやすくなったかどうかを確認しました。突然、この異星の言語が少し理解できるようになったことに驚きました。

わからない概念があるときは、それを個別に取り出します。たとえば、シグモイド関数やその他の活性化関数に遭遇したときは、気になる問題をいくつかリストアップして、1つずつ調べます。

そういえば、Khan Academy.com を強くお勧めします。独自の機械学習アルゴリズムを作成するために必要なものがすべてここにあります。ここでは、皆さんが学ぶ必要がある非常に重要な数学のレッスンをいくつか参考までにリストしました。これは個人的に私にとって非常に役立ちました。

[[228927]]

私のお気に入りの学習リソース:

活性化関数 - https://en.wikipedia.org/wiki/Activation_function

Luis Serrano のニューラル ネットワーク シリーズ (本当に素晴らしい) - https://www.youtube.com/watch?v=UNmqTiOnRfg

Giant_Neural_Network のニューラル ネットワーク シリーズ (本当に素晴らしい) -https://www.youtube.com/watch?v=ZzWaow1Rvho

Macheads101 のニューラル ネットワーク シリーズ - https://www.youtube.com/watch?v=OypPjvm4kiA

3Blue1Brown のニューラル ネットワーク シリーズ - https://www.youtube.com/watch?v=aircAruvnKk

Hugo のニューラル ネットワーク シリーズ - http://www.mooc.ai/course/300

ジェームズ・マカフリーの講演（少し古い情報ですが、それでも面白いです） - https://www.youtube.com/watch?v=-zT1Zi_ukSk

重要な数学のレッスン

ベクトル（線形代数で説明）: https://www.khanacademy.org/math/linear-algebra/vectors-and-spaces

ベクトル（PreCal で説明）: https://www.khanacademy.org/math/precalculus/vectors-precalc

行列: https://www.khanacademy.org/math/precalculus/precalc-matrices

シーケンス: https://www.khanacademy.org/math/precalculus/seq-induction

微分規則: hhttps://www.khanacademy.org/math/ap-calculus-bc/bc-derivative-rules

役に立つかもしれない数学のレッスン

代数関数: https://www.khanacademy.org/math/algebra/algebra-functions

二次方程式: https://www.khanacademy.org/math/algebra/quadratics

無理数: https://www.khanacademy.org/math/algebra/rational-and-irrational-numbers

カテゴリデータの分析: https://www.khanacademy.org/math/statistics-probability/analyzing-categorical-data

私の提案

（1）擬似コードの理解を深める

機械学習アルゴリズムの書き方を学ぶ最良の方法は、疑似コードをより深く理解することだと思います。これらを計算する方法と、相互に変換できるさまざまな異なるインデックスを理解する必要があります。私の経験では、ほとんどの場合、疑似コードは非常に明確です。しかし、そうでない場合は、外国語に頻繁に出現するからかもしれません。

疑似コードを自分の好きなプログラミング言語に変換する方法を学ぶことが、実は最も重要です。万能のニューラル ネットワークはありません。実際、さまざまな教師からニューラル ネットワークの書き方を学ぶときは、常に同じ数の入力、隠れ層ノード、活性化関数が使用されるわけではなく、用語も異なる場合があることに注意してください。教師によっては、バイアスを別の言葉で言う場合があります。これが、疑似コードが非常に重要である理由です。

（２）フィードフォワードニューラルネットワークの例

[[228928]]

前に述べたことに加えて私が皆さんにできる最良のアドバイスは、シンプルなフィードフォワード ニューラル ネットワークの例から学習を始めることです。ここに良い例があります。テキスト カラー予測子を作成し、入力として赤、緑、青の値を提供すると、これに基づいて暗いテキストを使用するか明るいテキストを使用するかを予測して認識できるようにトレーニングしてみてください。これは機械学習の基礎を学ぶために勉強する価値のある素晴らしいシンプルなプロジェクトだと思います。

（３）すぐに作業を開始する

ニューラル ネットワークの作成は最初から始めることをお勧めします。つまり、学習の初日、このビデオの最後にすぐに IDE を開いてください。本から学ぶことは常に表面的なものです。本当に理解するには、自分で実践しなければなりません。ニューラル ネットワークの書き方を理論的に知ることは素晴らしいことですが、実際にニューラル ネットワークを書くのはまったく別のことです。

ニューラル ネットワークを書き始めると、行き詰まり、新しい問題を見つけて解決しようとし、成功するまでこれを繰り返します。特に、このアドバイスを最初から知っていたら、勉強に費やす時間を大幅に節約できただろうと思います。

（４）巨人の肩の上に立つ

本当に優れた機械学習アルゴリズムを作成できるようになりたいのであれば、他の人の研究やコードに頼る必要があります。なぜなら、これはまだ初期段階の分野であり、毎週新しいものが書かれているからです。

***私が皆さんにお伝えしたい重要な提案は、前に言った方法で行う必要はないということです。もっとわかりやすく言えば、機械学習はコンピューターのようなものです。本当にコンピューターが欲しい場合は、ゼロから組み立てることも、直接購入することもできますが、どちらの行動の結果も同じです。私は個人的に、ニューラル ネットワークをゼロから構築する方法を学びたいと思っています。なぜなら、私はコントロール フリークだからです。

[[228929]]

TensorFlow、PyTorch、Theano、Keras など、機械学習フレームワークは数多くあります。これらはプリインストールされたコンピュータのようなものです。チュートリアルを見て、使い方を学び始めることができます。導関数、行列乗算、活性化関数などの多くの概念を気にする必要はありません。これらの機械学習フレームワークは、複雑なことのほとんどを行っています。ただし、ネットワーク内に問題があったり、正しく動作しなかったりすると、問題がどこにあるかを見つけるのが難しくなるというコストがあることは明らかです。すべてはあなたが何を求めているかによります。

とにかく好奇心を満たすことを忘れずに、機械学習の道をどんどん進んでください。

オリジナル動画リンク: https://www.youtube.com/watch?v=I74ymkoNTnw