Make Your Own Neural Network的作者是Tariq Rashid
本書非常適合任何希望了解什麼是類神經網路的讀者閱讀，不需要任何專業知識，或者是超出國中的數學能力，這本書裡面比較複雜的部份是梯度運算(gradient caculus)，但作者也做了詳盡的說明，所以應該不會太難以理解。
機器學習是透過從過往的資料和經驗中學習並找到其運行規則，最後達到人工智慧的方法。透過以下的方式去進行訓練：
1.它需要資料(去訓練系統)。
2. 從資料中學習樣本。
3.根據步驟2所獲得的經驗，替未曾見過的新資料做分類，並推測它可能是什麼。
機器學習是一種弱人工智慧(narrow AI)，它從資料中得到複雜的函數(或樣本)來學習以創造演算法(或一組規則)，並利用它來做預測。
以下簡單讓大家理解類神經網路學習預測的步驟
中間的圓圈就可以理解為簡單的神經元，經過多次的訓練之後，不斷地學會去修正預測的方式，來達到更接近正確答案的結果，是不是很容易理解呢？
然後我們在運用類神經網路的時候，通常會有三層，輸入、輸出與隱藏層
本書的第一章主要用許多插圖與範例來介紹類神經網路的觀念，第二章說明如何運用Python程式語言來進行開發，以及辨識手寫數字，第三章說明如何進一步提升我們建立的類神經網路效能，並加深相關知識的理解。
總結來說，這本書寫得非常棒，能夠讓非本科系的人也能夠理解類神經網路，並且手把手建立屬於自己的辨識程式，並且可以將其核心概念應用在許多不同層面的問題上。
那如果想要進階有哪些學習資源呢？
Google: Google Developers (youtube)
Kaggle:一個數據建模和數據分析競賽平台。企業和研究者可在其上發布數據，統計學者和數據挖掘專家可在其上進行競賽以產生最好的模型。
Amazon :https://aws.amazon.com/tw/training/learning-paths/machine-learning/
人工智慧隨著電腦效能不斷提升，以及越來越多的開放套件與學習資源，讓入門不再像過去那麼樣的困難，祝福大家都能夠學習並且運用屬於自己的人工智慧。
如果你覺得我寫的文章不錯
可以按讚給我支持與鼓勵
https://www.facebook.com/IEPSYfinancenote/
新成立的ig歡迎追蹤:iepsyfinancenote
https://www.instagram.com/iepsyfinancenote/
沒有留言:
張貼留言