这段文字是作者记录自己学习机器学习的经历,以及在学习过程中遇到的挑战和收获。
主要内容概括:
作者在没有阅读机器学习课程先修要求的情况下,直接报名参加了课程,并坦言自己当时对微积分、线性代数、编程等基础知识都不熟悉。
作者在学习过程中,通过不断努力,克服了先修不足的困难,并取得了进步。他鼓励其他人不要因为不符合先修条件而放弃学习机会,并强调只要有决心和学习意愿,就能取得成功。
作者分享了自己学习机器学习的计划,包括参加开源数据科学硕士课程、阅读相关书籍和文章,以及学习深度学习和迁移学习。
作者还介绍了自己学习深度学习的具体例子,包括使用OpenAI的Gym框架训练神经网络玩游戏。他认为,通过游戏训练人工智能可以有效地避免对人类造成潜在的负面影响。
作者推荐了Andrej Karpathy的博客,并认为该博客对于想要学习深度学习的人来说非常有帮助。
作者最后分享了自己学习计划,包括学习线性代数和阅读相关书籍,并表示会继续记录学习过程,与大家分享。
作者的学习经历体现了以下几点:
敢于挑战:
作者没有因为缺乏先修知识而放弃学习机会,而是勇敢地尝试,并最终取得了成功。
坚持不懈:
作者通过不断学习和实践,克服了学习过程中的困难,并取得了进步。
乐于分享:
作者通过视频和博客记录自己的学习过程,并分享自己的经验和心得,希望能帮助更多的人学习机器学习。
总结:
这段文字是作者对学习机器学习过程的记录,充满了个人经历和学习感悟,也体现了作者积极向上、勇于挑战的精神。它可以为想要学习机器学习的人提供参考和鼓励。
在过去的几天里,我学习了谷歌的 Deep Mind 如何创建能够在超级人类水平上玩 Atari 游戏的 AI 机器人。我甚至训练了我的代理(另一个机器人词)来玩一个名为“购物车-杆”的简单游戏。视频中提到的链接:Medium 100 天代码 - https://medium.com/series/my-100-days-of-code-bf23b507fc77Coursera 机器学习课程 - https://www.coursera.org/learn/machine-learningPython 教材 - www.learnpythonthehardway.orgAI 学习 Atari 游戏 - https://deepmind.com/research/publications/playing-atari-deep-reinforcement-learning/Andrej Karpathy 博客 - http://karpathy.github.io/Andrej Karpathy 深度强化学习 - http://karpathy.github.io/2016/05/31/rl/开源数据科学硕士 - http://datasciencemasters.org/