迅闻网
让更多人看到你

人工智能的学习经验总结!

咱们现在处在了一个常识高速迭代的年代,在这个年代,你可能会有这样一种感觉,假如学习时从头到尾学一遍再运用(就像咱们在学校学习时),会发现刚学完又呈现了新的,等学了后边的理论还没实践,前面的又忘了。这样的学习办法,似乎永远在学理论,本身没有进步,浪费了许多时刻。
在刚入坑人工智能的时分,我也是这样的一种学习思路。先从机器学习开端,搜一些课就开端学习记笔记,然后再深度学习,等学完之后,深度学习又出了新的东西,又去学理论……如此重复。表面上,我很努力,也学习到了许多理论,可是实际上,假如问这些理论的细节,我大脑里面根本就模糊不清。这是由于,我学习到的这些常识,我都没有真实的用到它。没有机会实践出来。所以后来我开端反思,在现在这个年代,咱们曾经的学习办法不太适用了,假如想高功率的学习,需求转化一种学习办法,不妨从有用的视点动身,遇到不会的再去查漏补缺,这样功率更高。
从有用的视点动身
学习常识的时分,全部从有用的视点动身,咱们学习常识,都是要处理实际问题的,所以千万不要把过多的时刻都放在理论之上,由于理论常识太多了,我拿入门机器学习和深度学习来讲,假如真的想做好人工智能,需求四个维度的常识(当然这是我自己的常识结构):
编程根底(Python编程,数据剖析根底:numpy,pandas,可视化,特征工程等,深度学习结构TensorFlow,Pytorch)
数学根底(数学,数理统计,线性代数)
算法根底(内功算法:算法与数据结构,外功算法:机器学习和深度学习算法)
应用领域(CV,NLP,RS,猜测,分类,聚类等)
关于一个刚入门的小白来讲,千万不要从头一个个的补充理论,这样你会发现,光数学这块都够你学习很长时刻的,而且学习完之后忘了不说,还不会用。这便是我之前采用的学习办法。我确实浪费了一些时刻。
后来我发现,其实,咱们完全能够不必全知道上面这些维度所有的常识,只需求了解一些根本概念(这个仍是要了解一遍的,要不然都不知道后边讲的是啥),就挑一些简略的常识进行学习,比方数学根底,由于大学里咱们都学过这几门科目,所以这里其实不必那么仔细的再来一遍,一些概念比方积分,矩阵乘法,数理统计的一些常识有印象就能够了,编程根底,Python的根底语法学一些,numpy,pandas等根本的运用学一些(可参考我上一篇Pandas入门),可视化的东西学一点,便是各个学点,然后就能够先上手了。
找一些项目上手练习,可能一开端确实很辛苦,由于许多东西,你并不知道说的是啥,比方过拟合,欠拟合等这些东西,然后去查,去找,补充到自己的常识结构里面,然后再学习,经过这种办法,时刻长了,你会发现,你的常识结构会慢慢的变得丰厚起来,而且由于总是在用,忘记速度也没有那么快。这样还能够追赶新的技术。
这是一种开端速度慢,可是加速度快的学习办法,可是动身之前,一些根本的概念,尤其是机器学习算法和深度学习算法,一些根本的概念仍是必需求弄清楚了解的。上面说的这个一点,也是很重要的,不仅要全,还要精。

pandas
MAS办法–动身之前我应该怎么把握常识
上面讲的是从有用的视点动身,便是我开端一个项目,从项目中学习新常识,可是能动身的前提是有了一个根本的常识结构和根底了。
这个根本的常识应该怎么学习呢?或许说跟着课程学习的时分应该怎么学习呢?
这里记载一个在课程中学习到的一个高效的学习办法,称之为MAS办法。
Multi-Dimension:想要把握一个事物,就要从多个视点去认识它。
怎么建立多维连接呢?
根底概念:这是根底,必定要吃透
东西:把握东西,练习实操
题库:想真实的了解概念,就要多练,多动手
这个过程,便是从“思想”到“东西”再到“实践”的一个过程。假如说重要性,必定是“思想”最重要,由于思想是底层逻辑和结构,能够让咱们一通百通,触类旁通,可是思想修炼也是最难的。所以,我强调把学习重心放在东西和实践上,即学即用,不断积累成就感,思想也就慢慢养成了。
Ask:不明白就问,程序员大多都很羞涩,突破这一点,不明白就问最重要。
Sharing:最好的学习便是共享。用自己的言语讲出来,是对常识的进一步梳理。
修炼指南–从认知到实践再回到认知,如此重复
人与人最大的不同在于“认知”,所谓成长便是认知的晋级。
许多人存在对“认知“的误解,以为认知不便是概念么?那么你有没有想过,针对同一个概念,为什么不同的人把握的程度是不相同的呢?
咱们只要把常识转化为自己的言语,它才真实变成了咱们自己的东西。这个转化的过程,便是认知的过程。
dec683d13bfa19c2162a74af574a58e8.webp
那么怎么提高自己的学习吸收能力呢?简略地说,便是要“知行合一”。
假如说认知是大脑,那么东西就好比咱们的双手,数据工程师和算法科学家每天打交道最多的便是东西。假如你开端做数据剖析的项目,你脑海中已经思考好了数据挖掘的算法模型,请牢记下面这两点原则。
1.不重复造轮子
举个数据收集的例子,许多公司,都有数据收集的需求,他们以为某些东西不能满足他们个性化的需求,因而决议招人专门做这项作业。而结果怎样呢?做了1年多的实践,工资投入几十万,结果发现Bug一大堆,最终仍是挑选了第三方东西。耗时耗力,还没什么成效。一个模型是否有相关的类库能够运用——这几乎是每个程序员入行被告知的第一条原则。
2.东西决议功率
“不要重复造轮子”意味着首先需求找到一个能够用的轮子,也便是东西。咱们该怎么挑选呢?这取决于你要做的作业,东西没有好坏之分,只要合适与否。除去研究型的作业,大部分情况下,工程师会挑选运用者最多的东西。由于:Bug少、文档全、案例多。比方Python在处理数据挖掘上就有许多第三方库,这些库都有很多的用户和协助文档能够协助你来上手。
挑选好东西之后,你要做的便是积累“财物”了。咱们很难记住大段的常识点,也背不下来东西的指令,可是咱们通常能记住故事、做过的项目、做过的标题。这些标题和项目是你最先行的“财物”。
怎么快速积累这些“财物”呢?三个字:熟练度。把标题完成只是第一步,关键在于练习咱们东西运用的“熟练度”。
当熟练度增加的时分,你的思考认知模型也在逐步提高。
总结
认知三部曲:从认知到东西,再到实战,然后如此重复。
不管是学习什么常识,咱们都应该这样做:
记载下你每天的认知。尤其是每次课程后,对常识点的自我了解。这些认知最好是经过博客或许笔记的办法整理,共享出来,不明白的也必定要问MAS。
这些认知对应东西的哪些操作。用东西来表达你对常识点的把握,并用自己的言语记载下这些操作笔记。
做更多练习来巩固你的认知。咱们学习的内容关于大部分外人来说,就像“开车”相同,很帅。咱们学习的内容,关于要把握的人来说,也像“开车”相同,其实并不难,而且许多人已经上路了。你需求的便是更多的练习。

未经允许不得转载:迅闻网 » 人工智能的学习经验总结!
分享到: 更多 (0)

评论 抢沙发

评论前必须登录!

 

迅闻网-让更多人看到你

登录/注册返回首页