作者:
Schwinger (千金之子不死於盜賊)
2017-05-10 03:34:20※ 引述《soaping (撿肥皂ing)》之銘言：
: 小魯是文組啦
: 現在看到一堆人在吹捧人工智慧阿 機器學習阿
: 只是覺得很好奇為啥一堆非本科系 沒寫過code的人也可以出來吹捧?
: 看內容比較像是他們自己的想像
: 根本就是把威爾史密斯的機械公敵拿出來說嘴
: 就像是現在一堆人拿excel說他們在做big data一樣
: 現實中有在做這領域的專家or研究生真的覺得這東西很猛嗎?
: 有看人家寫說 到現在model跑的過程中發生甚麼事情無法得知
: 會跑甚麼東西出來也不知道 就像是創造了一個自己也不了解的東西
: 版上神人極多
: 有比較貼近真實的研究現況嗎?
一直想說要不要回一篇MATLAB有沒有用的文章? 乾脆回這篇好了
我也不敢說我懂machine learning,拜託只是說一個故事,希望大家勿肉搜><
我只是感慨台灣的輿論充滿了如此多的謬論所以希望以公民的立場寫這個文章
我大學的時候machine learning是統計所開的課,那時候覺得這門課名好怪
當時可能幾乎沒有幾個人修吧,那時候是類神經網路最最最低潮的時候,但是那與我無關XD
那時候正是美國網路泡沫最嚴重的時候,當時拿著資工系學生證的我忐忑不安,那時候我
爸媽又不准我重考,我還特地跑去問老師說,資工到底有沒有前途,老師都跟你嘴說 沒前途
但是那時候老師猜對了嗎? 沒有,他只是認為印度軟體很厲害而已,那時候真的中國大陸的
資訊科技和網路是趨近於0,但是那時候中國最優秀的人就已經是念軟體(軟件)了,另外一個
是生科,當時中國最優秀的幾乎跑去念生科,我看PTT抱怨念生科的文章實在是看不出問題
真正的根源,說生科沒前途(心裡os:難道念數學和物理就有前途嗎?)
後來我是在知乎找到一個比較合理的答案,大家都是懵懵懂懂念大學和科系,被騙
是正常,我的意思是比如你覺得念XX很有前途,但是不但沒錢賺反而得到一個很大的失落感
生科系可能就是沒日沒夜做實驗當廉價勞工,但是應該有人喜歡做實驗吧?
其實我看了中國節目訪問北京清大生科教授顏寧的訪談,讓我非常想念生科呢!!!
換個角度想我們理學院不也是整天埋在書堆的廉價勞工,那你不能怪當初念XX系,是你自己
願賭服輸對吧? 不然就是一種可能性,資訊傳達錯誤和人云亦云,這就是我今天會寫這篇
文章的原因,我覺得台灣是一個傳達資訊錯誤和人云亦云非常嚴重的地方
言歸正傳,我每次看到AI和machine learning的文章和修課人數就覺得這股熱潮
大概物理光電泡沫以來最熱的一次,當然我也不小心被洗進去上一股泡沫,但是我卻意外
地找到自己真正的興趣 物理,她是我高中最痛恨的學科,我沒有真正上過高中物理老師的課
要不是那股熱潮把我洗進去物理,我一輩子都不知道自己的興趣和天分是物理,
應該說只要是知識相關我都喜歡,但是我覺得我年輕的時候應該是要念一下數學和物理,
剩下的我退休再去念就好,你要說我後悔嗎?其實也還好
當然我今天不是來跟各位說教或是什麼,講天分又實在是有點丟人現眼,我唯一的樂趣就是
在物理有一種"平行計算"的天分,我可以一次算個100頁的量子力學和量子場論持續3個月
一次同時算好幾篇論文,雖然就真的手算就是了,雖然真的當時傻傻以為這樣就能在物理
混口飯吃
當然我今天不是來跟各位說教或是什麼,只是感嘆潮流和科技的變化實在恐怖
談到machine learning相關文章,我就覺得奇怪怎麼沒有人提到數值和最佳化呢?
我以前也是以為數值和數值太簡單沒屁用,這完全是一種資訊傳遞錯誤的原因呀,你要做
machine learning的研究甚至出色的人,不是去盡可能學那些雜七雜八工具耗盡你的精力,
而是努力去把machine learning的內功,數值最佳化和矩陣計算練起來
光是這裡面又可以分 矩陣計算-> 數值最佳化 -> 凸最佳化
那矩陣計算最重要的是什麼? 是演算法,用MATLAB來實現即可
那有鄉民可能會問業界不是買不起MATLAB或是用其他語言嗎?
我會說你先進來學矩陣計算,真的不會很難,只是常常會要你半條命XDDD
數學裡面最簡單大概就是數值,因為夠直覺,不然你覺得代數有比較簡單?
當然高微,線代,泛函,PDE,ODE能懂是最好,當你夠出色的時候有本事解決實際問題
是那些人捧著錢來請你做事的,誰管你用MATLAB還是用C,Python
八卦是
machine learning是交叉學科,我也不敢說她簡單,這裡面幾乎都是我沒聽過的名詞
而且你上不同老師用不同課本還真的不一樣的內容,如果要推薦初學者我會推
Pattern Recognition and Machine Learning 作者 Christopher Bishop
主要還是這本好上手又不失內容完整性,剩下你去看統計學習或是其他deep learning
有時候真的會覺得太雜亂,但是還蠻意外Bishop是跟物理領域非常相近的人
https://en.wikipedia.org/wiki/Christopher_Bishop
拜託我只是純粹對台灣常常資訊傳遞錯誤想要解釋一些事情的鄉民,希望我們也能夠有
知乎這種經典的文章,雖然我也沒看很多啦
如果你跟我一樣有時候真的要懂機器為何能學習的理論,那就可以去看
1.The Nature of Statistical Learning Theory 作者 Vladimir Vapnik
2.Statistical Learning Theory - Vladimir N. Vapnik
看懂這二本的基礎是實變,泛函,還有一顆好奇的心XD
臉書人工智慧再找大師助陣，機器學習領域先驅之一的統計學習理論之父也加入
http://www.ithome.com.tw/news/92620
http://www.ithome.com.tw/news/92620