学习人工智能和聊天工具不难

内容提要

🔍 机器学习是一门疯狂的领域。比如现在，我正在运行机器学习模型，实时告诉我在视频游戏中我有多差劲。但老实说，我觉得它并不准确。算了，它其实非常准确。所以机器学习，现在非常热门。它是未来的赛德斯、G P T，所有这些流行词，你知道的，也是你现在正在看这个视频的原因。感谢YouTube算法，谢谢你们。我制作这个视频是因为我想告诉你，你绝对可以学会这项技术。你不需要学位，也不需要成为数学天才，你可以完全免费学习所有这些。这个视频游戏的东西，你实际上可以在这个视频结束时自己设置，使用Oracle Cloud中所有疯狂的机器学习数据科学工具，而且完全免费，感谢我们的赞助商Oracle。顺便说一下，如果你想开始学习机器学习，这是最好的方法。只需跳进去，豁然贯通，使用真实的数据科学家和机器学习工程师实际使用的真实工具。我正在告诉你关于机器学习的一切，但我不是机器学习工程师。你为什么要听我讲呢？ Santiago 是一名机器学习工程师。事实上，你知道来自波士顿动力的那只机器狗跳来跳去，有时候还会把啤酒倒入杯子里， Santiago 就在制造那种情况的团队中。这就是机器学习，具体来说是计算机视觉。我们开发计算机视觉算法，帮助机器人看世界。还有 Nacho，他是一名机器学习工程师。他是那个将帮助你建立机器学习视频游戏的人。我创建了三个研讨会，目的是从最基本的概念开始入门，我发现这些概念是最重要的机器学习。他们两个都将帮助我解释机器学习的奇妙之处，以及你如何开始这种疯狂而极具利润的职业道路。我的意思是说，这是一个未来的证明，伙计。另外，我现在对机器学习着迷。我无法停止玩耍。所以非常感谢Oracle。但在开始之前，让我们先定义一下这到底是什么。机器学习。 Santiago，机器学习是什么？机器学习是教计算机从数据中学习的过程。如果你是一名软件开发人员，你习惯于为了完成某件事而制定一套规则，对吧？比如说你想下井字棋，你会制定这样的规则，如果计算机在这里下棋，那我就在那里下棋。如果对方在这里下棋，你就会制定这样的规则。你会使用循环和条件等编程工具。是的，机器学习有点不同，它颠覆了传统方式。机器学习从很多样本开始，就像是，嘿，这是这个特定地区一年的温度情况，你能自动制定规则来预测明天的温度吗？所以，我们教计算机自主学习，无需明确告诉它要做什么。如果你和我一样，你会想，嘿，这到底是什么意思？这个过程是怎样的？它是如何工作的？让我举个简单的例子，然后我们再深入讨论。我们首先定义我们要教计算机的内容。我要教它如何识别我的照片。这是我吗？是或否？但是我们要如何做到这点呢？我们如何教它识别我的照片呢？答案是数据，答案是数据。我们给它很多我的照片，不同的照片，我摆弄的各种姿势。这样，无论如何，我们还需要看一些不属于我自己的照片，这样我们就可以知道不该寻找什么。所以我们收集了大量这样的数据，然后我们可以训练计算机。它是在训练过程中，它是一名实习生。但在教导它之前，我们必须选择它学习的方式。这就是我们的机器学习算法。有很多种算法，其背后进行了一些复杂的数学计算。但我认为我们要选择的是卷积神经网络。现在我知道它是如何工作的吗？不，但我知道它在这种情况下可能是非常好的选择。我们将用数据喂给算法，然后算法将开始学习，并开始识别我。每当它看到胡子、疯狂的眼睛或丸子头的时候，它会说，噢，你知道吗？我要把这个特征的权重设得更高一些。或者如果它没有看到这个特征，它会降低它的权重，然后它会通过所有这些数据来学习我。然后为了稳妥起见，我们再给它一些不属于我的照片，这样它就知道不该寻找什么。现在它完成了，它已经完成了训练数据的训练，不再是一名实习生。现在我们可以使用测试数据对它进行测试，以查看它的表现。现在，虽然这个例子非常简单，但这就是一个机器学习模型，我们刚刚创建了。它是一个被训练用于识别特定模式的文件。可能你的机器学习模型很差劲，准确率只有10%。这时候，作为一名机器学习工程师就非常重要了，你必须学会如何使模型更准确。你必须学习这些技能，而我将现在就告诉你如何做到。根据 Santiago 的说法，学习机器学习的第一步就是开始做。我更喜欢教学和学习的方式，你从零开始写，然后逐渐解开，分解问题，看看自己需要理解这个特定部分需要什么。让我去看一个视频，或者我需要这个。哦，我不太明白链式法则是如何工作的。让我看看这个视频，去YouTube上看看。我就能明白了，然后我就可以继续了。这是我会建议人们的方式。因此，我们就开始做吧。我们来构建一个机器学习算法，它可以告诉你玩视频游戏有多糟糕。点击下面的链接，让我们免费注册一个Oracle Cloud账户。oci. 顺便说一下，现在注册OCI就可以获得300美元的信用额度，用于无论你想做什么，只要合理，完全够你玩这个机器学习的东西了。所以一旦你有了账户，我们就有三个特别棒的实验室要进行。我创建了三个工作坊，它们是关于机器学习中我发现最重要的最基本的概念的，你可以自己按照一小时半到两小时的时间来完成。它们涵盖了从数据提取开始的一切，像我们用照片做的那样，到实际使用不同工具构建模型。像Psych kittle，学习，自动粘合，甚至构建神经网络，这真的很酷。顺带说一句，实验室真的很酷。因为你会了解到，这就是实际上会使用的工具。不要错过这个机会。试试看。在我们的OCI中，首先要开始做的是提取数据。如果你正按照这个实验室进行操作，你要做的第一件事是在oci中配置你的基础设施。我们将使用很多东西。数据科学云，Shell计算，自主js O数据库。 免费提供有趣的优惠。不，它确实很酷。还有一件事你要做的是注册League of Legends，因为你将获得一个API密钥，以便在之前的比赛和实时比赛中获取各种数据。这是免费的，很容易，只需点击下面的链接，你会按照基础设施说明进行。我们正在用Terraform和Ansible部署所有这些东西。Nacho为你提供了所有的代码，在这个过程中你无需担心任何事情，只需点击一下。你可能有时候甚至不知道发生了什么，没关系，你只需按照指示部署基础设施即可。现在，我要现在做我的。接下来，第二件事，要成为一名机器学习工程师，就需要学习为什么需要进行也科学。为什么我们这样做？这是什么过程？你要做的第一件事是和我一起待在Nacho这里，Nacho会帮助你了解到实际解决实际的机器学习问题是什么样子的。而使用OCI的实物化实验室，你可以实际动手做。这又是多么酷的事情，因为你有机会看到一名机器学习工程师是如何思考的，他们如何解决问题。他用五篇详细的文章详细介绍了每一件事以及为什么这样做。所以如果你想了解机器学习的大概是什么以及为什么，这是最好的开始。你是在动手做，而他在告诉你为什么。如果你需要更多的学习，我经常需要，有一些结构化的学习方法可以帮助你理解整个机器学习的过程。 Santiago 推荐勃朗宁。如果你是从最开始的时候开始的，就像你从未见过这个东西一样，你根本不知道从哪里开始学习，我会推荐勃朗宁。他们有一个非常棒的数据科学路径。它会帮助你开始像一名数据科学家一样思考。如果你对数据科学非常陌生，比如你现在根本不知道我正在说什么，这个选项是付费的，但据 Santiago 说它非常好。像我的八岁孩子就能学习。这是一个很好的让你了解将要面对的事情的启蒙途径。所以我很喜欢这个路径。本步骤的目的是让你了解数据科学的全部内容，并开始像数据科学家一样思考，这对于机器学习非常重要，但同时也要从第一步开始深入使用我们在 Oracle Cloud 上的示例。再次回到我们在 oci 中的《英雄联盟》实验室，我实际上要访问数据科学部分。如果你完成了数据提取实验室，你已经有了一个数据科学项目和一个《英雄联盟》笔记本会话，在我们的OCI数据科学环境中，我们有一个Jupyter notebook，这将使我们真正了解到成为一名机器学习工程师实际上是什么样的。因为，这是他们真正使用的工具。Jupyter笔记本非常了不起，如果你从未使用过它们。而且我们在oci中内置了这个工具。通过这个过程，你将学习使用和体验pandas，num pie，matt plot lib，以及你将通过数据科学课程学到的所有东西。但是在现实生活中，你会看到，我们需要将数据拆分成测试和训练数据集。现在第五步，你可能不喜欢这一个步骤的数学，你无法逃避它，因为它是机器学习中的一部分。好消息是，你不需要学习太多的数学， Santiago 说你只需要学习高中水平的数学。比如你学过高中数学了。你可以根据需要了解更多关于机器学习中的复杂数学。我也问 Nacho，你是否需要重新上大学学习所有这些数学的东西？不，我的意思是， 我不同意，你有一些基础，但， 它并不是百分之百地必需。你不需要博士学位或什么，你不需要深奥的数学知识来学习使用某种东西。现在，如果你还记得高中学的每一件事，你上过比我多的高级班级，你可能很好。但如果和我一样，你可能需要回去重新复习一下。统计学、概率论、微积分，这些方面。幸运的是，有很多地方可以学习数学。比如有勃朗宁，他们有一个高中数学课程，它是免费的。你甚至不需要登录，这有点疯狂。而且这将带你进入机器学习的下一个阶段，给你一个很好的基础，通过这样做，你实际上还可以帮助在OCI实验室中。如果我们回顾一下我们在《英雄联盟》OCI实验室中的情况，我现在要访问数据科学部分。如果你完成了数据提取实验室，你已经有了一个数据科学项目和一个《英雄联盟》笔记本会话，在我们的OCI数据科学环境中，我们有一个Jupiter notebook，它将使我们能够真正感受到成为一名机器学习工程师的感觉。因为这是他们真正使用的工具。顺带说一句，这里还有一些免费的资源，可以帮助你学习数学。比如Brilliant，他们有一个很好的机器学习课程。他们还有一个很好的数据科学路径。这将帮助你开始像一名数据科学家思考。现在，如果你对数据科学非常陌生，比如你现在根本不知道我在说什么，这是一个付费的选择，但 Santiago 说它非常好，甚至我的8岁的孩子都可以学习。这是一个很好的机会，可以让你了解到你要面对的问题是什么样的。关键是要让你了解数据科学的整个过程，并且开始像一名数据科学家一样思考，这对于机器学习非常重要，但同时也需要在OCI中深入研究我们的《英雄联盟》示例。再次回到oci中的《英雄联盟》实验室，我实际上要访问数据科学部分。如果你完成了数据提取实验室，你已经有了一个数据科学项目和一个《英雄联盟》笔记本会话，在我们的OCI数据科学环境中，我们有一个Jupyter notebook，这将使我们能够真正感受到成为一名机器学习工程师的感觉。因为这是他们真正使用的工具。Jupyter笔记本非常了不起，如果你从未使用过它们。而且我们在oci中内置了这个工具。通过这个过程，你将学习使用和体验pandas，num pie，matt plot lib，以及你将通过数据科学课程学到的所有东西。但是在现实生活中，你会看到，我们需要将数据拆分成测试和训练数据集。现在第五步，你可能不喜欢这一个步骤的数学，你无法逃避它，因为它是机器学习中的一部分。好消息是，你不需要学习太多的数学， Santiago 说你只需要学习高中水平的数学。比如你学过高中数学了。你可以根据需要了解更多关于机器学习中的复杂数学。我也问 Nacho，你是否需要重新上大学学习所有这些数学的东西？不，我的意思是， 我不同意，你有一些基础，但， 它并不是百分之百地必需。你不需要博士学位或什么，你不需要深奥的数学知识来学习使用某种东西。现在，如果你还记得高中学的每一件事，你上过比我多的高级班级，你可能很好。但如果和我一样，你可能需要回去重新复习一下。统计学、概率论、微积分，这些方面。幸运的是，有很多地方可以学习数学。比如有勃朗宁，他们有一个高中数学课程，它是免费的。你甚至不需要登录，这有点疯狂。而且这将带你进入机器学习的下一个阶段，给你一个很好的基础，通过这样做，你实际上还可以帮助在OCI实验室中。再次回到我们在《英雄联盟》OCI实验室中的情况，我现在要访问数据科学部分。如果你完成了数据提取实验室，你已经有了一个数据科学项目和一个《英雄联盟》笔记本会话，在我们的OCI数据科学环境中，我们有一个Jupiter notebook，这将使我们能够真正感受到成为一名机器学习工程师的感觉。因为这是他们真正使用的工具。顺便说一句，在这里有一些建议的资源，可以帮助你学习数学。比如有 brilliant，上面有一个非常棒的高中数学系列课程，你还可以去看Khan Academy的数学课程。还有YouTube上的其他Python教程。现在，你已经对机器学习有了一些了解了。你尝试过它，也学到了一些Python知识，所以你可以自己动手做些东西了。现在是时候去做了。通过反复尝试，你可以锻炼你的模型，使其更好。那就是我现在要说的，现在就是时候磨练你的技能了。对于这一点，没有比得到更多实践经验更好的方式了。运用你学到的一切，一遍又一遍地练习。其中一个最好的方法是再次使用OCI的实物化实验室。你会发现，在学习机器学习的过程中，Nacho有一个非常稳固的例子，但他邀请你调整它，使它变得更好。因为正如你所看到的，这个模型非常棒。它很准确，但它可以更好。所以你需要弄清楚，嘿，我该如何添加更多的特征？我该如何使数据更好？我该如何获取更多的数据？也许我要选择一个不同的算法，只要你不断练习，直到获得更好的结果。这就是机器学习。也许英雄联盟不是你的菜，这当然也不是我的菜。现在我有点上瘾了。尝试一下其他游戏，看看它们是否有API，从中获取数据并进行玩耍。去疯狂吧。另一个练习的选项是Kaggle。同样，他们在那里举办数据科学竞赛，这是有点疯狂的。你需要在这些竞赛中使用你的机器学习技巧，如果你能做到这一点，如果你能使用你的机器学习技巧，就能赢得奖金，比如十万美元，六十，这是什么鬼。但是无论如何，你将回到这里，开始练习你的数据科学和机器学习技巧。Kaggle的一个好处是他们已经有了数据集。到了这一步，你已经知道了很多关于机器学习的知识，就像一个优秀的机器学习模型，是时候调整你的模型，你的头脑了，你要变得更好。这就是我现在要说的。是时候锻炼你的模型了，不是吗？这就是我现在要告诉你的。现在涉及到英雄联盟的问题了，如果你按照我说的做了，你收集了你的数据，训练了你的模型，并设置了本地计算机上的模型，就像我这样。顺便说一下，Nacho将所有的内容都详细讲解了一遍。他在GitHub上详细讲解了如何在OCI中完成这些步骤，包括在本地计算机上的操作。到此为止，现在你可以预测你失败的速度有多快，就像我一样。所以请告诉我，如果你设置了这个，我会很高兴知道。