学习大纲:两周搭建Demo理解机器学习

很多互联网PM都想转型到人工智能产品经理,作者也一样,还是零编程基础、零算法基础、零AI实战经验。渴望对神经网络和机器学习理解得多一点,就亲自验证了一条有效的极简路径:40-50小时,学会搭建几种简单的神经网络。理解原理的同时,还能增强信心和兴趣。

对互联网PM来说,做Demo就是本能。虽然AIPM岗的职责不涉及代码操作,但目前还没有专用的Demo工具。所以用Python实操理解ML,是个踏实高效的切入口。这套极简路径,总共有三步: 浅学Python–>入门Tensorflow–>入门Keras

浅学Python【20小时】

配置环境:如果不想安装虚拟机,没Mac电脑,推荐Windows环境下用Python_3.5.4 + PyCharm_2017 编辑器。

学习节奏:选用莫烦或小甲鱼的免费视频(约7小时),学到函数就停下,按心情决定是否把函数全学完。下载一款APP:Python利器,有空就瞅几眼。再抽空看看与机器学习相关的文章,找找感觉。

牢记初心:目的是理解ML,用Python操作Tensorflow、Keras构建神经网络。所以暂时不学爬虫、游戏等。多敲代码,不苛求闭眼睛敲出30行以上,熟悉语法就OK。

入门Tensorflow【25小时-重点】

2.1 配置环境:用pip安装Tensorflow1.4_cpu版,和numpy、matplotlib、sklearn等类库,白天安装pip下载快。

2.2 学习节奏:选用莫烦的Tensorflow入门免费教程,视频共5个小时。跟着老师敲代码,怕忘的地方用#标注,遇到不懂就上网查或问朋友。

2.3 时间分配:主要时间用来理解ANN的结构,还有调试BUG。Pycharm可以智能提示语法BUG,困扰初学者的往往是逻辑BUG,比如哪个参数传错了。这种情况查一下原版教学代码,用文件对比工具找到原因,就可以解决问题。

2.4 执行标准:理解Tensorflow的框架结构和操作思路,能读懂每行代码,顺利运行就OK。

第2个小时:能拟合出一条线性函数曲线

第3个小时:可以创建传说中的神经网络

第5个小时:可视化损失函数和神经网络

当我们输出了Graph时,一切都变得直观了。就这样一步步实现Tensorboard、过拟合、CNN、RNN、无监督等案例,整个人会越来越有信心。

20-30小时:我们能实现上图的LSTM。

可以一边操作,一边想象过程:比如点击上图中第一个隐藏层in_hidden,展开后能清晰地看到神经元和流动的张量。输入信号的shape先从3维转到2维,优化器参与梯度优化,shape从2维升到3维,最终将输出信号给到LSTM。

LSTM中每个cell选择性接收前一个cell的记忆和输入信号,再选择性输出给下个cell。循环往复类似的过程,模型就拥有了长久记忆能力。通过下面的结果图,可以直观地看到蓝线始终在学习红线的轨迹。经过不断的循环,蓝线最终拟合到接近红线的程度。

浅学Keras【5小时】

依然用莫烦的视频教程,比较简单就不细说了。可能有人觉得学习50小时依然很长,都够玩120盘王者荣耀了。也可以跨过Tensorflow直接上Keras,大约30小时内出模型。这里作者还是推荐学习Tensorflow,有助于更深入理解细节。

以上就是入门神经网络Demo的三步走。如果你与我一样是工作兼学习,只要每天投入4小时,坚持2-3周,就可以有这5项收获:

  1. 理解概念: 张量、激励函数、优化器、损失函数、梯度下降、反向传播、学习率、批标准化等。
  2. 理解模型: CNN–>卷积、池化、全连接;RNN–>分类、回归、LSTM;非监督学习–>聚类、降维。
  3. 了解工程: 采集标注、设计模型、构建模型、训练模型、测试调优等流程,有助于跟工程师更好地交流配合。
  4. 抽象能力: 构建神经网络会思考数据的特征、模型的结构,不知不觉间就经历了抽象特征–>可视化的全过程。
  5. 类机器思维: 本文的写作思路,就模仿了机器学习过程。以理解原理(result)为导向,从学习资源(data)中提取特征,对信息做过滤、降维处理。然后通过实践(training)优化认知(optimizer),再将个人推测(prediction)与真相对比印证(loss)。自从接触了AI,类机器学习的思维模式就开始赋能我生活、工作的场景。它帮助我不断进化,越来越高效。

写在最后

关于学习,我最在乎的就是 速度,唯快不破! 现实中每条赛道终点幸存者寥寥无几,参赛者都在拼命减少犯错的可能性。全民拼命的背景下,谁犯错少谁就胜出。

AI的范畴比较大,我转型的策略是先模拟项目、模拟Demo,“一石多鸟”的学习方式,保持较广的视野。而不是一头扎进某个深坑,管中窥豹,很久都爬不上船。

不管AI的泡沫何时被戳破,我们上船的速度都非常重要。速度决定我们未来能喝到啤酒,还是随泡沫一起被吹散。我觉得要转型AIPM的、零AI基础的朋友们,可以先切入几个 相对 容易获取的能力维度:

  1. 产业、场景分析能力
  2. 大数据、知识图谱能力
  3. 理解机器学习、神经网络原理
  4. 理解NLP、CV、推荐系统等技术
  5. 理解常用算法

这也是为什么我 复盘3周的学习 后,先输出一篇 场景分析 ,再输出本篇Demo。

这条路径受到前辈们的启发,很幸运地借鉴了@李杰克的经验,少走很多弯路。欢迎朋友们提问和建议,转型路上,让我们一起加油吧!

作者:于长弘,公众号:AI小宇宙(ID:AI_endless)

本文由 @于长弘 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自 Unsplash ,基于 CC0 协议

人人都是产品经理稿源:人人都是产品经理 (源链) | 关于 | 阅读提示

本站遵循[CC BY-NC-SA 4.0]。如您有版权、意见投诉等问题,请通过eMail联系我们处理。
酷辣虫 » 产品设计 » 学习大纲:两周搭建Demo理解机器学习

喜欢 (0)or分享给?

专业 x 专注 x 聚合 x 分享 CC BY-NC-SA 4.0

使用声明 | 英豪名录