[PYTHON] [Für Anfänger künstlicher Intelligenz] Maschinelles Lernen / Deep Learning Programming Lernpfad und Nachschlagewerke
【aktualisieren】
- Die Tabelle (Liste der Bücher) war etwas schwer zu sehen, deshalb habe ich sie geändert.
- Für Autoren und Verleger überprüfen Sie bitte den verlinkten Amazon.
Einführung
Diesmal die Bücher, auf die ich mich beim Erlernen der Programmierung künstlicher Intelligenz bezog, Ich werde ein Review-Memo zusammen mit dem obigen Ablauf auf dem Weg des Erwerbs von Fähigkeiten hinterlassen.
Derzeit schreibe ich ein Programm für Pferderennen Vorhersage / KI, um Spiele zu spielen. Wir hoffen, dass diese Qiita für diejenigen nützlich ist, die einen Schritt in das Gebiet der künstlichen Intelligenz machen wollen.
Ich werde das Programm diesmal nicht speziell erklären, also Wenn Sie sich für das Programm für künstliche Intelligenz selbst interessieren, lesen Sie bitte den Link am Ende dieser Qiita.
Annahme
Das Buch, das ich dieses Mal ausgewählt habe, ist relativ einfach zu lesen Ich habe so viel wie möglich die mit dem Programm ausgewählt. Weil Sie das Programm implementieren, ausführen, verstehen und wiederholen Dies liegt daran, dass ich aus tatsächlicher Erfahrung der Meinung war, dass dies eine Abkürzung für den Erwerb von Fähigkeiten (einschließlich der Implementierung) ist.
Die Welt der "künstlichen Intelligenz" ist jedoch weit und unentwickelt. Wie weiter unten angegeben, sind die Definition, die Fähigkeiten und das Qualifikationsniveau von Datenwissenschaftlern enorm.
Erforderliche Fähigkeiten zum Erlernen des maschinellen Lernens.
· Die Berufsqualifikationen
・ Tiefes Verständnis des Geschäfts
·logisches Denken
·Dokumentation/Präsentation
* In vielen Situationen ist eine theoretische Erklärung für die Datenerfassung erforderlich.
· Informatikkenntnisse
・ Breites Spektrum an IT-Kenntnissen
・ Kenntnisse über die Verarbeitung großer Datenmengen
・ Tiefes Wissen über Datenbanken
·Programmierung
* Da die Reichweite sehr groß ist, brauchen wir jemanden, der einen vollständigen Stapel von der Infrastruktur bis zur Logik erstellen kann.
・ Fähigkeiten zur statistischen Analyse
·Mathematik
・ Verständnis der Datenanalysemethode
・ Kenntnisse in Datenanalyse-Software
* Wahrscheinlichkeit / Statistik, Differentialintegration, Matrix usw. sind erforderlich.
Anfangs konnte ich überhaupt nicht verstehen, weil es viele Symbole gab.
Kontinuierliche Anstrengung und wiederholtes Üben sind für den Erwerb von Fähigkeiten unerlässlich.
Dieses Mal werde ich den Weg des Erwerbs von Fähigkeiten und Nachschlagewerke beschreiben, die sich auf "maschinelles Lernen, tiefes Lernen" unter den oben genannten "IT-Fähigkeiten, statistische Analysefähigkeiten" konzentrieren.
Um maschinelles Lernen und tiefes Lernen zu verstehen, ist es außerdem wichtig, tatsächlich zu programmieren. Ich denke, es ist natürlich, Python als Entwicklungssprache zu wählen, wenn man Fähigkeiten lernt. Dies liegt daran, dass Python über eine Fülle von Bibliotheken für maschinelles Lernen und Deep Learning wie die folgenden verfügt. Die meisten von ihnen sind in Python geschrieben, wie Git und Qiita. Wenn Sie bei der Fehlerbehebung auch Python auswählen, können Sie die Informationen im Internet verwenden. [Liste der Bibliotheken für maschinelles Lernen] TensorFlow:https://www.tensorflow.org/ Chainer:http://chainer.org/ Caffe:http://caffe.berkeleyvision.org/ Theano:http://deeplearning.net/software/theano/index.html Torch:http://torch.ch/ scikit-learn:http://scikit-learn.org/stable/ PyML:http://pyml.sourceforge.net/ Pylearn2:http://deeplearning.net/software/pylearn2/ PyBrain:http://pybrain.org/pages/home
Weg / Ziel / Politik zum Erwerb von Fähigkeiten
Weg und Ziel
Das Ziel des Erwerbs von Fähigkeiten ist "Sie können maschinelles Lernen und tiefes Lernen selbst programmieren, selbst wenn Sie elementar sind." Dann wird der Weg zum Ziel in Schritt 1 bis Schritt 4 unterteilt.
Kenntnisse über Scraping, Statistik usw. entfallen diesmal. Sowohl maschinelles Lernen als auch tiefes Lernen haben etwas gemeinsam, aber diesmal sind sie getrennt.
Politik
Unabhängig von Theorie und Hintergrund liegt der Schwerpunkt darauf, es zuerst zu versuchen. Ich finde es gut, die Fähigkeiten zu erlernen. Wenn Sie jedoch nicht mit künstlicher Intelligenz vertraut sind, empfehlen wir Ihnen, zuerst das Erscheinungsbild zu erfassen (nachdem Sie das Missverständnis behoben haben) und es dann zu üben.
Einführung in Bücher, die als Referenz für jeden Schritt verwendet werden können. Obwohl subjektiv, habe ich Bücher ausgewählt, die dem Niveau so gut wie möglich entsprechen.
Erwerben Sie Fähigkeiten der künstlichen Intelligenz!
Schritt 1. Verstehen Sie die Geschichte der künstlichen Intelligenz
Holen Sie sich zunächst ein Gefühl für das Aussehen. In diesem SCHRITT geht es darum, die Missverständnisse in der künstlichen Intelligenz zu beseitigen. Wenn Sie in Zukunft auf die Schultern von Giganten treten möchten, würde ich gerne die Leistungen vergangener großer Männer wie Turing Test und ELIZA als Höflichkeit kennenlernen.
Das ist gesunder Menschenverstand! Ich denke, dass diejenigen, die sagen, dass Sie diesen Schritt überspringen können.
- Übersteigt künstliche Intelligenz den Menschen?
Es hat keine Programmierelemente und ist eine perfekte Einführung für jedermann zum Lesen. In diesem Buch erhalten Sie einen Einblick in die Geschichte der künstlichen Intelligenz und die Umrisse der Technologie. Selbst wenn ich mich umschaue, gibt es immer noch viele Menschen, die künstliche Intelligenz falsch verstehen Die Behebung dieses Missverständnisses ist der erste Schritt auf dem Weg zum Erwerb von Fähigkeiten.
Schritt 2. Lassen Sie uns die Technologie der künstlichen Intelligenz im Allgemeinen ansprechen
In Schritt 2 werden wir tatsächlich praktische Techniken in Bezug auf programmierbasierte Bücher ansprechen. Bewegen Sie Ihre Hände sowohl zum Kaninchen als auch zur Ecke. Lass es uns zuerst versuchen. Dann lerne. Auch wenn Sie das Programm oder die Theorie nicht verstehen, ist es am wichtigsten, das Beispielprogramm zu kopieren und auszuführen.
Für maschinelles Lernen und tiefes Lernen
--Scraping & Maschinelles Lernen mit Python-Entwicklungstechniken Verwenden wir BeautifulSoup, Scikit-Learn, TensorFlow
Dieses Buch geht von der Geschäftsseite aus in den Bereichen maschinelles Lernen und tiefes Lernen einen Schritt weiter und ist recht praktisch.
Textanalyse mit Markov-Kette und LSTM, Erstellung eines Chatbots, Identifizierung der Rindfleischschale durch tiefes Lernen ... usw. Darüber hinaus werden Datenerfassungstechniken (Scraping und Crawlen) behandelt, die für maschinelles Lernen und tiefes Lernen unerlässlich sind. Der Inhalt ist um diesen Betrag breiter und flacher geworden. Wenn Sie jedoch das Programm in diesem Buch wiederholen oder selbst arrangieren, erwerben Sie sehr umfassende Fähigkeiten.
Wenn Sie dieses Buch durchgehen, Künstliche Intelligenz ist eine Sammlung verschiedener Technologien und Methoden. In der Tat werden Sie feststellen, dass es wie künstliche Intelligenz war.
Die "künstliche Intelligenz" (was gesagt wird) in der Welt ist nichts anderes als eine Einheit, die als Ergebnis einer Durchführung eines Tuling-Tests als "intelligent" bezeichnet wird.
Schritt 3 (Schritt 4) Wenn Sie mehr über maschinelles Lernen erfahren möchten
Sobald Sie verstanden haben, was maschinelles Lernen ist, betreten wir die Welt des maschinellen Lernens. Persönlich empfehle ich, dass Sie maschinelles Lernen berühren, bevor Sie tief lernen.
- Python Machine Learning Programmiertheorie und -praxis von erfahrenen Datenwissenschaftlern
Wenn Sie nicht über die Grundkenntnisse in Schritt 2 verfügen, kann dies schwierig sein, aber Ich denke, es ist ein sehr gutes Buch, weil es die Implementierung des maschinellen Lernens sehr detailliert beschreibt und auch die Theorie beschreibt. Am Ende können Sie auch auf tiefes Lernen eingehen.
Es kann viele Formeln und eine Ablehnungsreaktion geben, aber wenn Sie sie weiterhin implementieren, ohne sich darüber Gedanken zu machen, gibt es kein Problem. Der Körper wird sich dabei daran erinnern. Sie können es lesen, wenn Sie es bemerken.
Wenn Sie verstehen, was in diesem Buch geschrieben steht, können Sie selbst maschinelles Lernen programmieren.
Wenn Sie mehr theoretisches Wissen wünschen, müssen Sie sich auf das Papier beziehen oder ein anderes Buch lesen, wie in diesem Buch beschrieben.
Schritt 3. Wenn Sie tiefer in das tiefe Lernen eintauchen möchten
Eine heiße Gegend in diesen Tagen. Sobald Sie einige maschinelle Lernfähigkeiten erworben haben, versuchen wir es mit tiefem Lernen. Deep Learning erfordert erhebliche Maschinenspezifikationen, je nachdem, was Sie tun. Da es notwendig ist, die Anzahl der Schichten und die Anzahl der Versuche zu erhöhen, um Genauigkeit zu erhalten, Ich persönlich empfehle die Anschaffung einer GPU-Maschine und das Lernen in einer komfortablen Umgebung.
- Implementierung Deep Learning
Dieses Buch war sehr hilfreich, um aus praktischer Sicht tiefes Lernen zu erlernen. Nicht nur die Erstellung und Implementierung der Umgebung, sondern auch der grundlegende Mechanismus und die grundlegenden Begriffe des tiefen Lernens (obwohl es ein wenig eilig ist), Sie können lernen, während Sie die Tipps üben und das Lernen zur Bildidentifikation stärken.
In diesem Buch lernen Sie die Bilderkennung kennen, die besonders gut für tiefes Lernen geeignet ist.
Schritt 4. Wenn Sie tiefer in das tiefe Lernen eintauchen möchten
Verständnis der Eigenschaften der Falt- und Poolschicht, Optimierung des Netzwerks usw. Wenn Sie eine praktische Technik benötigen, gehen Sie zu diesem SCHRITT.
- Tiefes Lernen von Grund auf - Die Theorie und Implementierung des mit Python erlernten Tiefenlernens
Unnötig zu sagen, O'Reillys "Deep Learning von Grund auf neu". Dieses Buch ist perfekt für ein tiefes Verständnis der Theorie und der praktischen Aspekte des tiefen Lernens. Wie kann neben den jüngsten Technologietrends die Erkennungsgenauigkeit verbessert werden? Warum ist es teuer? Ich selbst bin den ausführlichen Erklärungen sehr dankbar.
Wenn Sie etwas Geschick haben, reicht dieses Buch für tiefes Lernen.
Wenn Sie verstehen, was in diesem Buch geschrieben steht, können Sie selbst tiefgreifendes Programmieren lernen.
Nützliche Buchliste
Zusätzlich zu den oben genannten finden Sie hier eine Liste von Büchern, die beim Erlernen von maschinellem Lernen, tiefem Lernen usw. hilfreich waren. Ich werde die ausführliche Erklärung weglassen, aber ich hoffe, dass sie hilfreich sein wird.
Grobe Schwierigkeit
Es ist ziemlich subjektiv, aber ich habe es durch die folgenden Schwierigkeitsgrade geteilt. Einleitung: Fast keine Vorkenntnisse. Keine Formel erforderlich. Keine Programmierung erforderlich. Einfach: Keine Formel erforderlich. Sie benötigen lediglich Grundkenntnisse in der Programmierung. Fu: Formeln kommen ein wenig auf. Wenn Sie die Leichtigkeit kennen, werden Sie verstehen. Schwierig: Eine Formel kommt heraus. Es gibt viele Erklärungen der Theorie. Es gibt eine ziemliche Antwort.
Liste der Bücher
- Für Autoren und Verleger überprüfen Sie bitte den verlinkten Amazon.
abschließend
Ich bin immer noch eine unerfahrene Person, aber dieses Gebiet ist sehr aufregend, um etwas Neues zu lernen. Wir werden weiterhin Fähigkeiten erwerben.
Der Grund, warum ich beschlossen habe, diese Qiita zu schreiben, war Es ist ein interessantes Gebiet, deshalb wollte ich, dass auch Anfänger künstlicher Intelligenz mit Interesse lernen, ohne frustriert zu sein.
(Wiederholen) Ich hoffe, diese Qiita ist nützlich für diejenigen, die einen Schritt in das Gebiet der künstlichen Intelligenz machen wollen.
Bemerkungen
Lernen wir die Super Famicom-Software mit TensorFlow! --Qiita
Klicken Sie hier für weitere Mario-Videos, die mit Tensorflow gelernt wurden https://www.youtube.com/watch?v=T4dO1GKPx4Y
Wenn Sie interessiert sind, liefern wir technische Informationen wie AI unter dem folgenden Link. ［facebook］ https://www.facebook.com/groups/1871981099685132/ ［Twitter］ https://twitter.com/gauss_club
Recommended Posts