深度学习之美:AI时代的数据处理与最佳实践 - (EPUB全文下载)

文件大小:0.49 mb。
文件格式:epub 格式。
书籍内容:

深度学习之美:AI时代的数据处理与最佳实践
第1章 一入侯门“深”似海,深度学习深几许
第2章 人工“碳”索意犹尽,智能“硅”来未可知
第3章 “机器学习”三重门,“中庸之道”趋若人
第4章 人生苦短对酒歌,我用Python乐趣多
第5章 机器学习终觉浅,Python带我来实践
第6章 神经网络不胜语,M-P模型似可寻
第7章 Hello World感知机,懂你我心才安息
第8章 损失函数减肥用,神经网络调权重
第9章 山重水复疑无路,最快下降问梯度
第10章 BP算法双向传,链式求导最缠绵
第11章 一骑红尘江湖笑,TensorFlow谷歌造
第12章 全面连接困何处,卷积网络显神威
第13章 纸上谈兵终觉浅,绝知卷积要编程
第14章 循环递归RNN,序列建模套路深
第15章 LSTM长短记,长序依赖可追忆
第16章 卷积网络虽动人,胶囊网络更传“神”
后记
索引
封底
第1章 一入侯门“深”似海,深度学习深几许
当你和恋人在路边手拉手约会的时候,你可曾想,你们之间早已碰撞出了一种神秘的智慧——深度学习。恋爱容易,相处不易,不断磨合,打造你们的默契,最终才能决定你们是否能在一起。深度学习也一样,输入各种不同的参数,进行训练拟合,最后输出拟合结果。恋爱本不易,且学且珍惜!
1.1 深度学习的巨大影响
近年来,作为人工智能领域最重要的进展——深度学习(Deep Learning),在诸多领域都有很多惊人的表现。例如,它在棋类博弈、计算机视觉、语音识别及自动驾驶等领域,表现得与人类一样好,甚至更好。早在2013年,深度学习就被麻省理工学院的《MIT科技评论》(MIT Technology Review)评为世界10大突破性技术之一,如图1-1所示。
图1-1 深度学习入围2013年MIT 10大突破性技术
另一个更具有划时代意义的案例是,2016年3月,围棋世界顶级棋手李世石九段,以1∶4不敌谷歌公司研发的阿尔法围棋(AlphaGo,亦称阿尔法狗),这标志着人工智能在围棋领域已经开始“碾压”人类。在2016年年末至2017年年初,AlphaGo的升级版Master(大师)又在围棋快棋对决中,以60场连胜横扫中日韩顶尖职业高手,一时震惊四野。
但有人并不服气,或者想替人类争口气。1997年出生的柯洁,就是这样的一个人。他是世界围棋史上最年轻的四冠王,围棋等级世界排名第一。2017年5月23日至27日,在与AlphaGo 2.0进行的人机大战中,柯洁虽殚精竭虑,无奈还是以0∶3战败,再次令世人瞠目结舌(参见图1-2)。而背后支撑AlphaGo具备如此强悍智能的“股肱之臣”之一,正是深度学习。
图1-2 AlphaGo
一时间,深度学习,这个本专属于计算机科学的术语,成为包括学术界、工业界甚至风险投资界等众多领域的热词。的确,它已对我们的工作、生活甚至思维都产生了深远的影响。
比如,有人[1]认为,深度学习不仅是一种算法的升级,还是一种全新的思维方式。我们完全可以利用深度学习,通过对海量数据的快速处理,消除信息的不确定性,从而帮助我们认知世界。它带来的颠覆性在于,将人类过去痴迷的算法问题,演变成数据和计算问题。在以前,“算法为核心竞争力”正在转变为“数据为核心竞争力”。这个观点,多少有点暗合阿里巴巴集团董事局主席马云的观点,我们正进入一个DT(Data Technology,数据技术)时代。
在人工智能领域,深度学习之所以备受瞩目,是因为从原始的输入层开始,到中间每一个隐含层的数据抽取变换,到最终的输出层的判断,所有特征的提取,全程是一个没有人工干预的训练过程。这个自主特性,在机器学习领域,是革命性的。
世界知名深度学习专家吴恩达(Andrew Ng)曾表示:“我们没有像通常(机器学习)做的那样,自己来框定边界,而是直接把海量数据投放到算法中,让数据自己说话,系统会自动从数据中学习。”谷歌大脑项目(Google Brain Project)的计算机科学家杰夫·迪恩(Jeff Dean)则说:“在训练的时候,我们从来不会告诉机器说:‘这是一只猫’。实际上,是系统自己发明或者领悟了‘猫’的概念。”
1.2 什么是学习
说到“深度学习”,追根溯源,我们需要先知道什么是“学习”。
著名学者赫伯特·西蒙教授(Herbert Simon,1975年图灵奖获得者、1978年诺贝尔经济学奖获得者)曾对“学习”下过一个定义:“如果一个系统,能够通过执行某个过程,就此改进了它的性能,那么这个过程就是学习”。
大师果然名不虚传,永远都是那么言简意赅,一针见血。从西蒙教授的观点可以看出,学习的核心目的就是改善性能。
其实对于人而言,这个定义也是适用的。比如,我们现在正在学习深度学习的知识,其本质目的就是为了提升自己在机器学习上的认知水平。如果我们仅仅是低层次的重复性学习,而没有达到认知升级的目的,那么即使表面看起来非常勤奋,其实也仅仅是一个“伪学习者”,因为我们没有改善性能。
按照这个解释,那句著名的口号“好好学习,天天向上”,就会焕发新的含义:如果没有性能上的“向上”,即使非常辛苦地“好好”,即使长时间地“天天”,都无法算作“学习”。
1.3 什么是机器学习
遵循西蒙教授的观点,对于计算机系统而言,通过运用数据及某种特定的方法(比如统计方法或推理方法)来提升机器系统的性能,就是机器学习(Machine Learning,简称ML)。
英雄所见略同。卡耐基梅隆大学的机器学习和人工智能教授汤姆·米切尔(Tom Mitchell),在他的经典教材《机器学习》[1]中,也给出了更为具体(其实也很抽象)的定义:
对于某类任务(Task,简称T)和某项性能评价准则(Performance,简称P),如果一个计算机程序在T上,以P作为性能的度量,随着经验(Experience,简称E)的积累,不断自我完善,那么我们称这个计算机程序从经验E中进行了学习。
比如,学习围棋的程序AlphaGo,它可以通过和自己下棋获取经验,那么,它的任务T就是“参与围棋对弈 ............

以上为书籍内容预览,如需阅读全文内容请下载EPUB源文件,祝您阅读愉快。

版权声明:书云(openelib.org)是世界上最大的在线非盈利图书馆之一,致力于让每个人都能便捷地了解我们的文明。我们尊重著作者的知识产权,如您认为书云侵犯了您的合法权益,请参考版权保护声明,通过邮件openelib@outlook.com联系我们,我们将及时处理您的合理请求。 数研咨询 流芳阁 研报之家 AI应用导航 研报之家
书云 Open E-Library » 深度学习之美:AI时代的数据处理与最佳实践 - (EPUB全文下载)