AILearners

AIMI-CN แนะนำเส้นทางการเรียนรู้ AI และบันทึกย่อหลักสูตร

การแนะนำองค์กร:

เราเป็นกลุ่มผู้ที่ชื่นชอบการเรียนรู้ AI! ที่นี่เราเรียนรู้ร่วมกันกระตุ้นซึ่งกันและกันและอวดด้วยกัน ~
เราได้อัปเดตบันทึกที่เกี่ยวข้องกับ AI ~ รวมถึงอัลกอริทึมการเรียนรู้ของเครื่องการเรียนรู้อย่างลึกซึ้งและการประมวลผลภาษาธรรมชาติ

กลุ่มการเรียนรู้และการสื่อสาร AIMI-CN AI (มีทรัพยากรที่เกี่ยวข้องกับ AI ต่าง ๆ ) [1015286623]

บัญชีอย่างเป็นทางการของเราจะผลักดันข้อมูลที่เป็นประโยชน์ต่าง ๆ เป็นครั้งคราวเพื่อรอให้คุณติดตาม ~

ค้นหาบัญชีอย่างเป็นทางการของ WeChat: 'AI-MING3526' หรือ 'การมองเห็นคอมพิวเตอร์' เพื่อรับทรัพยากรการเรียนรู้ของเครื่อง AI Direction มากขึ้น

บันทึกการศึกษาของเรา (เกี่ยวข้องกับทิศทางของอัลกอริทึม, การเรียนรู้ของเครื่อง, การเรียนรู้ลึก, NLP, ฯลฯ )

1. ทิศทางอัลกอริทึม

1. อัลกอริทึมและชีวิต @bidongqinxian

แนะนำคุณถึงจุดเริ่มต้นของการเรียนรู้การเรียนรู้ของเครื่อง ~

ที่อยู่บทความโดยละเอียด

ที่อยู่ซอร์สโค้ด

2. การวิเคราะห์โดยละเอียดของแบบฝึกหัดของอัลกอริทึมข้อเสนอ @xiaoming3526

บันทึกออนไลน์ของ Niuke เกี่ยวกับ "Swordsman Offer" มุ่งหวังที่จะปรับปรุงความสามารถของอัลกอริทึมของเรา ~

ที่อยู่บทความโดยละเอียด

ที่อยู่ CSDN

2. ทิศทางการเรียนรู้ของเครื่องจักร

1. หมายเหตุการเรียนรู้ของเครื่องจักรของครู @Jermainez @Niuhongying @liuxinyi22222

เปิดประตูสู่การเรียนรู้ของเครื่องสำหรับคุณ ~

ที่อยู่หมายเหตุโดยละเอียด

2. การวิเคราะห์รายละเอียดของหลักสูตรและรหัสของ "การเรียนรู้ของเครื่องจักรเชิงปฏิบัติ" โดย "การเรียนรู้ของเครื่อง" @fermin

ให้คุณใช้รหัสเพื่อสัมผัสกับการเรียนรู้ของเครื่อง ~

ที่อยู่รายละเอียดของหลักสูตร

หนังสือเรียนรู้ของเครื่องจักรที่ใช้งานได้จริง

ดาวน์โหลดซอร์สโค้ดและชุดข้อมูล

3. บันทึกย่อของหนังสือแตงโมของ Zhou Zhihua ใน "Machine Learning" จะต้องตัดสินใจ

3. ทิศทางการเรียนรู้ลึก

Stanford CS231N CONVOLUTION NEURAL NETURAL COURES Course Network Networy สำหรับการจดจำภาพ @5people

รายละเอียดการแนะนำเกี่ยวกับเครือข่ายประสาทคืออะไร CNN, RNN และ GAN ~

ที่อยู่หมายเหตุโดยละเอียด

4. ทิศทาง NLP ของการประมวลผลภาษาธรรมชาติ

1. Stanford CS224N 2019 NLP NOTES NOTES การมอบหมายงานหลังเลิกเรียนสื่อการเรียนรู้จากการเรียนรู้เชิงลึก @Guokaijie

มาเรียนรู้ความรู้ NLP ที่ทันสมัยที่สุดด้วยกัน ~

บันทึกรายละเอียด CS224N รายละเอียด

CS224N การเรียนรู้สื่อการสกัด: E234

ลิงค์วิดีโอ YouTube สามารถพบได้ในประเทศจีนเกี่ยวกับ Bilibili

2. Python Natural Processing รหัสหนังสือบันทึกการปฏิบัติ @changan

เรียนรู้ NLP ในรหัสจริง ~

ที่อยู่หมายเหตุโดยละเอียด

ที่อยู่รหัสและหนังสือดาวน์โหลด

AIMI-CN แนะนำเส้นทางการเรียนรู้ AI: สื่อการเรียนรู้ที่แนะนำและทิศทางการเรียนรู้เช่นการเรียนรู้ของเครื่อง, การเรียนรู้ลึก, NLP, ฯลฯ

ข้อกำหนดเบื้องต้นสำหรับการดู:
ทางเลือก, วิธีการคงอยู่ <br> เราทุกคนรู้ว่าตอนนี้มีทรัพยากรมากมาย - -

พิมพ์เส้นทางการเรียนรู้ AI ที่ทรงพลังมากโดยองค์กรที่ยอดเยี่ยมหลายแห่ง

1. การเรียนรู้ของเครื่องจักร

คำแนะนำการเรียนรู้ของเครื่องจักร

การเรียนรู้ของเครื่องจักรต้องใช้รากฐานทางคณิตศาสตร์บางอย่าง แต่เป็นเพียงรากฐานทางคณิตศาสตร์เล็กน้อย

ฉันจะวิเคราะห์วิธีการเรียนรู้ตามประสบการณ์เล็ก ๆ น้อย ๆ ของฉัน ---

สิ่งแรกที่คุณต้องการคือการยอมแพ้สองครั้ง:

1. ให้ข้อมูลจำนวนมาก!

ถูกต้องมันเป็นเพียงการให้ข้อมูลมากมาย! เมื่อเราต้องการเริ่มต้นด้วยการเรียนรู้ของเครื่องเรามักจะรวบรวมข้อมูลจำนวนมากเช่น XX School Machine การเรียนรู้แหล่งข้อมูลภายในการเรียนรู้ของเครื่องจักรจากเบื้องต้นไปจนถึงทรัพยากรขั้นสูง 100 กรัม, XX การสอนปัญญาประดิษฐ์ ฯลฯ ฯลฯ หลายครั้งที่เราใช้ทรัพยากรการเรียนรู้มากกว่าสิบหรือหลายร้อยแหล่งจากนั้นนำไปไว้ในดิสก์คลาวด์บางแห่งเพื่อเก็บไว้รอเรียนรู้อย่างช้าๆในอนาคต คนน้อยรู้ว่า 90% ของผู้คนเพียงแค่รวบรวมข้อมูลและบันทึกข้อมูลและลืมที่จะเปิดการเรียนรู้หลังจากทิ้งไว้ในคลาวด์ดิสก์เป็นเวลาหนึ่งหรือสองปี ข้อมูลที่วางอยู่บนดิสก์คลาวด์มักจะเป็นเพียงแค่ความสะดวกสบายในตัวเองและความรู้สึกที่ปลอดภัยด้วยตนเอง "ความปลอดภัย" ที่คนส่วนใหญ่ "ศึกษาอย่างหนักในอนาคต" ยิ่งไปกว่านั้นเมื่อต้องเผชิญกับสื่อการเรียนรู้จำนวนมากมันเป็นเรื่องง่ายที่จะตกอยู่ในสภาวะของความสับสน โอ้พระเจ้ามีหลายสิ่งหลายอย่างที่ฉันไม่ได้เรียนรู้! พูดง่ายๆก็ยิ่งมีทางเลือกมากเท่าไหร่ก็ยิ่งตกอยู่ในภาวะที่กลืนไม่เข้าคายไม่ออกของการไม่มีทางเลือก

ดังนั้นขั้นตอนแรกคือการให้ข้อมูลจำนวนมาก! เลือกชิ้นส่วนของข้อมูลที่เหมาะกับคุณและศึกษาอย่างระมัดระวัง!

2. ยอมแพ้และเริ่มต้นจากศูนย์!

เมื่อพูดถึงการเริ่มต้นใช้งานหลายคนจะคิดว่าพวกเขาควรเริ่มต้นด้วยความรู้พื้นฐานที่สุด! การเรียนรู้ของเครื่องเป็นเทคโนโลยีที่ซับซ้อนที่รวมทฤษฎีความน่าจะเป็นพีชคณิตเชิงเส้นการเพิ่มประสิทธิภาพนูนคอมพิวเตอร์ประสาทวิทยาศาสตร์และด้านอื่น ๆ มีความรู้เชิงทฤษฎีจำนวนมากที่จำเป็นในการเรียนรู้การเรียนรู้ของเครื่องจักรที่ดี มา ฯลฯ อย่างไรก็ตามข้อเสียของการทำเช่นนี้คือมันใช้เวลานานและสามารถทำให้เกิด "การเรียนรู้หย่อน" ได้อย่างง่ายดายและขจัดความกระตือรือร้นในการเรียนรู้ เนื่องจากการตัดสินหนังสือและสูตรที่ได้มานั้นค่อนข้างน่าเบื่อจึงมีโอกาสน้อยที่จะกระตุ้นความกระตือรือร้นของคุณในการเรียนรู้มากกว่าการสร้างแบบจำลองการถดถอยที่เรียบง่ายด้วยตัวคุณเอง แน่นอนว่าไม่ใช่ว่าคุณไม่จำเป็นต้องศึกษาความรู้พื้นฐานความรู้เชิงทฤษฎีพื้นฐานเป็นสิ่งสำคัญมาก! มันเป็นเพียงว่าเมื่อเริ่มต้นใช้งานมันเป็นการดีที่สุดที่จะมีความเข้าใจอย่างเป็นระบบเกี่ยวกับกรอบระดับบนสุดก่อนจากนั้นจากการฝึกฝนไปจนถึงทฤษฎีตรวจสอบการหายไปและแก้ไขจุดเรียนรู้ของเครื่องในลักษณะเป้าหมาย ตั้งแต่มาโครไปจนถึงไมโครจากรายละเอียดโดยรวมไปจนถึงรายละเอียดมันเอื้อต่อการเริ่มต้นการเรียนรู้ของเครื่องอย่างรวดเร็ว! ยิ่งไปกว่านั้นในแง่ของความกระตือรือร้นในการเรียนรู้มันยังมีบทบาทของ "ข้อเสนอแนะเชิงบวก"

3. เส้นทางการเรียนรู้การเรียนรู้ของเครื่องจักรเบื้องต้น

โอเคหลังจากพูดถึงสอง "ยอมแพ้" ก่อนที่จะเริ่มต้นด้วยการเรียนรู้ของเครื่องเราจะแนะนำเส้นทางการเข้า

3.1 พื้นฐานของคณิตศาสตร์

โดยส่วนตัวแล้วฉันคิดว่าพื้นฐานทางคณิตศาสตร์ที่จำเป็นก่อน: ทฤษฎีความน่าจะเป็นทฤษฎีเมทริกซ์และแคลคูลัส ไม่สำคัญว่าคุณจะไม่มีมันเพียงแค่เรียนรู้ในขณะที่ดู

【ฟรี】คณิตศาสตร์การสอนการแนะนำวิดีโอไปยัง Khan Academy

ความน่าจะเป็น	สถิติ	พีชคณิตเชิงเส้น
Khan Academy (ความน่าจะเป็น)	Khan Academy (สถิติ)	Khan Academy (พีชคณิตเชิงเส้น)

3.2.

วิดีโอของครู NG นั้นเป็นคลาสสิกอย่างไม่ต้องสงสัย

【ฟรี】 machine/การเรียนรู้วิดีโอ- ng

การเรียนรู้ของเครื่องจักร	การเรียนรู้อย่างลึกซึ้ง
การเรียนรู้ของเครื่องจักร	เครือข่ายประสาทและการเรียนรู้อย่างลึกซึ้ง

จากนั้นฉันขอแนะนำกลุ่มใหญ่ในประเทศที่มีพื้นฐานมากขึ้นและสามารถบันทึกวิดีโอการเรียนรู้ของเครื่องด้วยความเข้าใจที่ง่ายกว่า Mr. NG เล็กน้อย

การเรียนรู้ของเครื่องจักรการปฏิบัติ-APACHECN องค์กรโอเพ่นซอร์สจีน

เนื้อหาทั่วไปคือการเรียนรู้หนังสือ "การเรียนรู้ของเครื่องจักรภาคปฏิบัติ"

หนังสือเรียนรู้ของเครื่องจักรที่ใช้งานได้จริง

การเรียนรู้ของเครื่องวิดีโอเชิงปฏิบัติ

3.3.

โดยพื้นฐานแล้วการจบหลักสูตรข้างต้นถือเป็นหลักสูตรเบื้องต้น ถัดไปคุณสามารถกำหนดเป้าหมายความสนใจและทิศทางของคุณ ตัวอย่างเช่นคุณสามารถศึกษาหลักสูตร Stanford CS231N ต่อไปได้:

CS231N: เครือข่ายประสาทเทียมสำหรับการจดจำภาพ

หากคุณมุ่งเน้นไปที่ NLP คุณสามารถเรียนรู้หลักสูตร Stanford CS224N:

CS224N: การประมวลผลภาษาธรรมชาติด้วยการเรียนรู้อย่างลึกซึ้ง

แน่นอนหลักสูตรของ NTU Lee Hongyi ก็ดีมากเช่นกัน:

Hung-yi Lee

แน่นอนว่าจะมีการแปลวิดีโอที่สอดคล้องกันใน Bigwigs ในประเทศ (เว็บไซต์ B) เหล่านี้หากคุณสนใจคุณจะพบพวกเขาด้วยตัวเอง

2. การเรียนรู้ NLP

มีหนังสือหลายเล่มในตลาดที่แนะนำเทคโนโลยีการประมวลผลภาษาธรรมชาติและยังมีหลักสูตรการเรียนรู้และเว็บไซต์มากมายบนอินเทอร์เน็ต อย่างไรก็ตามหลังจากการสอบสวนพบว่า CS224N ของ Stanford: การประมวลผลภาษาธรรมชาติสำหรับการเรียนรู้อย่างลึกซึ้งได้รับการสนับสนุนจากผู้ที่ชื่นชอบ NLP ส่วนใหญ่ อย่างไรก็ตามเท่าที่เรารู้ไม่มีบันทึกการศึกษาภาษาจีนเกี่ยวกับหลักสูตร CS224N ล่าสุดในปี 2562 ดังนั้นเพื่อที่จะเริ่มต้นได้ดีขึ้นกับการวิจัยทางวิทยาศาสตร์ของ NLP เราอยู่ที่นี่เพื่อแบ่งปันประสบการณ์การเรียนรู้ของเรากับคุณและหวังว่าจะได้เรียนรู้กับคุณ

เนื้อหาการเรียนรู้

การประมวลผลภาษาธรรมชาติ (NLP) เป็นหนึ่งในเทคโนโลยีที่สำคัญที่สุดในยุคข้อมูลและเป็นส่วนสำคัญของปัญญาประดิษฐ์ แอปพลิเคชัน NLP มีอยู่ทุกหนทุกแห่งเพราะผู้คนสื่อสารเกือบเป็นภาษา: การค้นหาเว็บการโฆษณาอีเมลการบริการลูกค้าการแปลภาษารายงานทางการแพทย์ ฯลฯ ในช่วงไม่กี่ปีที่ผ่านมาวิธีการเรียนรู้อย่างลึกซึ้งได้รับประสิทธิภาพสูงมากในงาน NLP ที่แตกต่างกันหลายอย่างโดยใช้แบบจำลองประสาทแบบครบวงจรเดียวโดยไม่จำเป็นต้องใช้วิศวกรรมคุณสมบัติเฉพาะงานแบบดั้งเดิม มีความแตกต่างหลักสองประการในหลักสูตร 2019 เมื่อเทียบกับอดีต ก่อนอื่นให้ใช้ pytorch แทน tensorflow และที่สองการจัดหลักสูตรจะใกล้ขึ้น ผ่านหลักสูตรนี้ทุกคนจะได้เรียนรู้นำไปใช้และเข้าใจทักษะที่พวกเขาต้องการในการทำโมเดลเครือข่ายประสาทของตนเอง

ข้อกำหนดเบื้องต้น

1. เข้าใจการใช้ Python ขั้นพื้นฐาน

2. เข้าใจแคลคูลัสพื้นฐานพีชคณิตเชิงเส้นและสถิติความน่าจะเป็น

3. มีความเข้าใจในการเรียนรู้ของเครื่องจักร

4. มีความสนใจอย่างมากในการเรียนรู้ NLP

อย่างไรก็ตามเราไม่จำเป็นต้องเริ่มเรียนรู้ตั้งแต่เริ่มต้นซึ่งจะช่วยลดความสนใจในการเรียนรู้ของเรา ดังนั้นตราบใดที่เรายังคงทำข้อบกพร่องของข้อกำหนดเบื้องต้นของเราในกระบวนการเรียนรู้เราจะเข้าสู่ประตูการเรียนรู้ของ NLP อย่างแน่นอน

ข้อจำกัดความรับผิดชอบ - [สำหรับการอ้างอิงการเรียนรู้เท่านั้น]

• โครงการนี้มีวัตถุประสงค์เพื่อการเรียนรู้อย่างหมดจด

โลโก้องค์กร: