[心得] 自學AI資源分享

看板DataScience作者x60606 (ys)時間5年前 (2019/08/11 01:15)推噓6(6推 0噓 2→)

留言8則, 6人參與討論串1/2 (看更多)

各位前輩好小弟自從一年前開始在本版和Python版出沒漸漸從完全0程式語言基礎，到可以訓練model 受到版上許多人的指引和建議以下整理這一年多來使用覺得適合初學者的自學資源：（網誌版本包含連結：http://x60606.pixnet.net/blog/post/300451728） ※什麼人適合讀這篇文章? . 具有高中數學程度的人（其實也只要會矩陣和向量就可以了） . 完全沒有程式語言基礎的人 . 有心想自學AI的人，並用於工作領域的人 . 恰好有3-6個月的空閒時間，希望多學一種語言的人 ※學習時間大約要多久？心無旁鶩的全心學習的話，大約一個月可以上手python程式語言再大約3-6個月可以操作AI機器學習。之後依應用領域不同自行挑選工具學習。 ※第一階段初學Python 程式語言推薦書單：《精通 Python：運用簡單的套件進行現代運算》Introducing Python 作者：Bill Lubanovic 從安裝下載python 及其相關套件開始教起用語詼諧幽默，比喻生動有趣不要被中文標題嚇到了，其實它只是introduce而已。使用方式：將內容範例程式碼逐步打過，養成眼到手到的習慣，兩周左右便可撰寫基礎程式碼。從第一章開始閱讀，練習到第六章即可。第一個難關：環境建立初學者最常遇到的困難就是在自己的電腦上安裝編譯軟體，由於Mac, Windows, Linux各種作業系統安裝方式不盡相同，時常會遇到書上沒有教的窘境。因此初學者我推薦上面這本書。小撇步: 之後如果覺得安裝各種套件很麻煩，可以直接下載Anaconda，使用Jupyter notebook 撰寫，自動包含所有常用機器學習套件。 ※第二階段：熟練Python並了解各種演算法之間的時間複雜度、空間複雜度差異。推薦學習資源: Leetcode 網站題庫使用方法: 挑選自己有興趣的題目寫，也可以選擇難度為「簡單」的題目練習。大約寫5-10題即可，1-2周即可完成本階段。完成題目之後可以到討論區看其他專業工程師如何解決同樣的問題，如何更簡單明瞭、運算更快速。用最短的時間在資工系最硬必修──「資料結構」、「演算法設計」初窺門道。並藉此複習上一階段沒有熟練的指令碼。第二個難關：忘記學過的指令碼所以需要靠刷leetcode練習複習。同一個題目能夠看到別人用不一樣的方法解決，知道自己的不足。 ※第三階段：機器學習基礎知識學習資源：網路課程：林軒田教授、李宏毅教授林軒田教授的課程比較學術生硬，投影片精美，講解詳盡有邏輯，數學成分較多，非常適合對原理有興趣的你。李宏毅教授的課程風趣幽默，上課步調比較隨興輕鬆，適合喜歡結合生活應用的你。使用方法：兩位台大教授都有將課程影片上傳至youtube，可以挑選一位從頭到尾看完。太過於理論或數學推導的部分可以兩倍速帶過。安排一天3小時，綜合做筆記時間，大約4-6周左右可以掌握AI機器學習所有名詞的意義，以及數學上的邏輯、生活中的應用。第三個難關：對機器學習原理感到迷惘或卻步別擔心！請記得，機器學習是數學家和資料科學家經年累月發展出來的深奧學門，一般人不需要了解全部的詳細原理，像是您學習開車但是不需要知道所有的機械結構，只要掌握與操作有關的重點，並知道重要名詞之間的關聯即可，目標是下一階段的實作！ ※第四階段機器學習程式碼操作書單推薦：Tensorflow + Keras 深度學習人工智慧實務應用網路資源：AI 百日馬拉松 (不是免費的，一個人報名費約2000元左右) 我自己有報名第二屆，值得推薦的地方是他會每天給你一點程式碼也會提供教學講義網站和重要資源的連結　學期間有助教隨時解答　不過我自己覺得，對非科班出生的人而言，原理和教學圖解部分太少　有時候中文語句也不是很通順，還有許多改進空間　因此上面三個階段完成的人來看會比較不吃力未來應用若有很好的資源會再補充！歡迎提供更多資源建議，謝謝！ -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 58.114.177.47 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1565457306.A.861.html ※ 編輯: x60606 (58.114.177.47 臺灣), 08/11/2019 01:19:13