學習筆記：人工智慧基礎-機器學習（一）
目前我在Udacity同時攻讀《數據分析：基礎》和《機器學習：進階》兩門納米學位課程。之所以對這個感興趣，是因為關注人工智慧方面的資訊有了一段時間，覺得這是未來的趨勢，希望今後能夠在這方面有所成績。選擇納米學位課程是因為我覺得它與Udacity的免費教程有些區別：
有專業的人員對學習成果進行評估，提供建議。
建立學習社群，能夠找到學習夥伴，互通有無。
圍繞具體項目開展學習，提供就業方面的指導。
花了錢心疼，必須得學夠本才行！
最後一條非常重要！（回頭看一下，感覺上面幾條非常工整，竟然有廣告語的趕腳……）
納米課程對學生學習的時間投入是有一定要求的，通常每門課需要學生每周至少保證投入10個小時。像我這樣的工作族，想要每周抽出足夠的時間來充電學習還是很難的。值得一提的是，Udacity的學習社群還是花樣蠻多的。通常報名後可以加入兩種社群：一個是通關群，完成一個項目就會被工作人員傳送到下一個項目群里，有點打遊戲的意思。另一個是互助群，主要針對的是對自控力不是很自信的學員，提供一個10人左右的小團體，配有一名導師，日常任務就是關注學員進度，提醒每個人不要掉隊。還會定期開班會，指導項目內容，分享學習心得，互助群對我的幫助很大。
通過機器學習這門課，我對人工智慧領域有了一個比較具體的認識。由於媒體近來對AI領域的熱烈推捧，讓人覺得科幻小說里的未來世界好像就在眼前。我也讓想像力跟著飛了好一會兒，這也很大程度上促成了我下決心投入時間和金錢來學習入門。然而經過這段時間的學習，我開始重新審視自己對人工智慧的認知，課程一開始的內容都是些樸素的數學和統計學原理，並沒有什麼黑科技。為什麼人們可以將這些樸素的原理像魔法一樣轉換成AI各種強大的能力，這中間跨越了多少環節？對我來說，思考這個問題可能要比學會具體某個Python命令的用法更加重要。我可以短時間的學會怎樣用Naive Bayes函數實現高精確度的匹配，用Decision Tree來構建預測模型，但是這些技術背後的機理卻很難短時間就吃透。思考這些問題花費了我更多的時間。
總結一下這段時間學習的具體收穫：
這個學習筆記在接下來的時間裡會不定期更新，主要是用來記錄自己的點滴進步和心得，如果有幸能讓讀到的人有所收穫，那簡直我是幸福！~
註：原文是我半年前發在知乎的文章，經過簡單修改而成。
TAG:機器學習 |