【AWSコミュニティディスカッション活動まとめ4】機械学習のプロセスにおける迂回路について語る

[51CTO.com からのオリジナル記事] 機械学習は人工知能の中核であり、コンピューターをインテリジェントにする基本的な方法であると言えます。人工知能の人気が高まるにつれ、多くの IT 関係者が機械学習の分野に加わるようになりました。機械学習業界の新参者は、大変な仕事は恐れませんが、回り道をして時間を無駄にすることを最も恐れています。
グループ内に機械学習の分野に携わっているパートナーがいて、機械学習の過程で私たちがたどってきた回り道を共有したり議論したりできるのではないかと思います。
以下の内容は、51CTO開発者WeChat交流グループの議論と共有から得たものです。
51CTOアシスタント:
勉強するときは論文に重点を置いていますか?それとももっと実用的でしょうか?このモデルの威力はどのくらいですか?ご意見をお寄せください

広州ティモ：
もっと実用的でなければなりません!今では論文の内容がすべて水っぽいと感じています。

オペレーション/java-Chen Xing-北京:
最も深刻な問題は、クラウド コンピューティングとビッグ データに関する論文があまりにも貧弱であり、人工知能に関する論文も同様であることです。

クラウドコンピューティング-北京-Angie.Z:
人工知能は実践的な学問である

北京-ガンディの運営と保守:
これは単にアルゴリズムをいじっているだけなのでしょうか?

クラウドコンピューティング-北京-Angie.Z:
アルゴリズム、モデル、フレームワーク

北京-ガンディの運営と保守:
誰もが実践しているが、これは人工知能の中核となる比較的ハイエンドな技術である。誰か良い学習教材をお勧めしてくれる人がいたら、まずは見てみます。

運営とメンテナンス-北京-張城:
論文、特にさまざまな説明を盲目的に信じるべきではありません（古典的なアルゴリズムと優れた論文を除く）。 NN は単なるブラックボックスであり、他の人が何を言っているかは誰にもわかりません。

安全-蘭嶼-北京:
私たちにできることは、実践して再現し、真実と偽りを区別し、真の本質を発見することです。

運用と保守 - 江蘇省 - 騎兵隊:
DL\ML は実際に実用的な科目です。実験を通してのみ、その詳細と本質を把握することができます。私たちもプログラムを書いているのですが、DLプログラムは基本的に直感的にデバッグすることが不可能なので、自分で再現して練習し、パフォーマンスでエラーがないかを知る必要があります。

クラウド コンピューティング - 源威 - 北京:
特定のモデルについて決して迷信的にならないでください。特定のタスクでうまく機能するからといって、将来のすべてのタスクにランダム フォレストを使用しないでください。

広州ティモ：
勉強教材ですか？自動運転車で遊んで学んでいる人もいます。自動運転車は人工知能の段階をL0～L5に分け、それぞれの段階がどのようなものかが非常に明確に分かれています。

運営とメンテナンス-北京-張城:
さまざまなアルゴリズムを学ぶとき、本では一般的に、このアルゴリズムには多くの利点があることは説明されますが、このアルゴリズムには多くの欠点もあることは説明されません。私はこのピットでかなり長い時間を過ごし、ゆっくりとさまざまなモデルの特徴を探りました。
北京-ガンディの運営と保守:
機械学習: 例: 車はカメラを介して一時停止の標識を認識する必要があります。私たちは、路上の物体の写真を何百万枚も集めたデータセットを構築し、どの道路に一時停止標識があるかを予測するアルゴリズムをトレーニングしました。 @Guangzhou-timo 自動運転は確かに典型的なシナリオです

北京-ガンディの運営と保守:
トレーニングコースもございます。

オペレーション/java-Chen Xing-北京:
誰がこのようなことのためのトレーニングクラスに敢えて参加するでしょうか?全世界が石を触りながら川を渡ろうとしています。トレーニング クラスでは、デモやツールなど、独学で習得できる内容のみを教えます。 Andrew Ng 氏はそれを実現しましたが、一般的な見方では、彼はディープラーニングの研究者ではなく、ディープラーニングのエンジニアになれると考えられています。また、これらのエンジニアは、自己学習能力が強く、学歴は少なくとも修士号以上である必要があります。

北京-ガンディの運営と保守:
まあ、トレーニングではいくつかの言語とツールも教える必要があります。

オペレーション/java-Chen Xing-北京:
国内のどのトレーニング機関が、アンドリュー・ンより優れているとあえて言えるでしょうか?どの研修機関で数学を教えていますか?数学の基礎知識なしに数学的分析と確率論を習得できる人がいるでしょうか?

51CTOアシスタント:
独学の鍵は継続であり、トレーニングは学習を始める手助けになるだけですよね？

オペレーション/java-Chen Xing-北京:
はじめる？難しいと思います。ディープラーニングは他のものと何ら変わりません。数学の基礎的な理解が必要です。

北京-ガンディの運営と保守:
はい、この分野の敷居は現在非常に高くなっています。大学院生たちはただ傍観しているだけだと思います。

オペレーション/java-Chen Xing-北京:
トレーニング機関は金儲けを目的としており、金儲けは短期間で成功することを意味しますが、短期間で成功したからといって基礎が非常に優れていると期待できるでしょうか?さらに、数学には才能と時間が必要です。

51CTOアシスタント:
まあ、英語もプラスになります。主流の本や文学を直接読むことができます。翻訳も受け付けておりますが、国内のものでも大丈夫です。

オペレーション/java-Chen Xing-北京:
翻訳は二次処理になりやすいものです。書籍はもともと著者の個人的な意見ですので、翻訳には必ず二次加工が必要となります。公文書や外国の書籍を自分で読むことをお勧めします。正直に言うと、ディープラーニングのトレーニング機関を卒業した人たちは、せいぜいスクリプトキディです。

天馬-失業者-北京:
https://github.com/daimalaoge/uc_manager

北京-襄陽-Android:
私は外国の大学の教科書である陸奇の著書『人工知能』を読んでいます

フルスタック-レオン-ハルビン:
React Nativeを勉強している友達はいますか？

北京-襄陽-Android:
この本の翻訳者である林慈氏はベル研究所の人工知能研究者なので、信頼できる人物です。

51CTOアシスタント:
機械学習や人工知能に転職したい友人はいますか？

ハーフIT-広州-リトルスター：
興味はあるが経験がない

データコム〜ポーラーベア〜瀋陽：
あい、はい、難しいですか？

ネットワーク-会-北京:
回りたいけど難しそう～

Android-Redemption-北京:
編入したいのですが、数学の基礎が貧弱です

ネットワーク-会-北京:
データ通信にも携わっています。開発基盤がないので、頑張らなければなりません。

ジャワ小白広州：
数学もまさにそれと同じです。うまく学べない人はこんな感じ

51CTOアシスタント:
自分の分野の知識と学習を組み合わせることで、一定の競争力も生まれます

運用と保守 - 江蘇省 - 騎兵隊:
急ぐ必要はありません。近道はありません。まず、数学が得意な人でも始めるまでに1年半はかかるだろうし、数学の基礎を補う必要がある場合は1～2年はかかるだろうという心理的予想を持たなければなりません。トレーニング コースに参加してお金を支払うこともできますが、それは機械学習に慣れるのに役立つだけです。始めるには、それを学ぶために時間と労力を費やす必要があります。本当に近道はありません!

ネットワーク セキュリティ - Kevin - 北京:
うーん

クラウド コンピューティング - 源威 - 北京:
多くのモデルは必要ありません。いくつかの一般的なモデルを習得し、機械学習のルーチンを理解するだけで十分です。たとえば、LR、Naive Bayes、決定木、推奨システムなどの SVD に基づく単純なモデルなどです。
ジャワ小白広州：
時々、数学が苦手な人が、実は論理的思考力に優れていることに気づくことがあります。あなたも同じように感じているでしょうか？

半分ネットワークワーカー - 白雪 - 広州：
数学。今でも数学を見ると頭が痛くなります。

51CTOアシスタント:
はい、多くの生徒が数学に関してフィードバックをくれました。 。 。しかし、学習を始める前に関連する数学の知識をすべて習得するのは現実的ではありません。

クラウドコンピューティング-北京-Angie.Z:
急ぐ必要はありません。近道はありません。まず、数学が得意な人でも始めるまでに1年半はかかるだろうし、数学の基礎を補う必要がある場合は1～2年はかかるだろうという心理的予想を持たなければなりません。トレーニング コースに参加してお金を支払うこともできますが、それは機械学習に慣れるのに役立つだけです。始めるには、時間をかけてゆっくりと努力する必要があります。

安全-蘭嶼-北京:
機械学習システムと従来の技術システムには大きな違いがあります。 Web/アプリシステムを構築することは難しくなく、短期的にそれが良いのか悪いのかを区別して評価することは困難です。スパムシステムは、ユーザー数が少ない場合でも効果的に機能します。ユーザー数が増えた時だけ、彼らは失敗し、打ちのめされることになる。しかし、機械学習システムの場合はそうではありません。機械学習システムは毎分ごとにあなたの顔を平手打ちするのです。つまり、よく言われるように、このシステムにはより大きな不確実性があり、それを制御するための閾値がわずかに高くなります。

フロントエンド-北京-大智:
機械学習はまだ大量生産の段階に達していないため、独学よりも優れた「マスター」を得る方がはるかに優れています。それだけでなく、老師たちは一般的に長年の経験からまとめた独自の経験を持っているため、多くの不必要な回り道を避けることができることが多いのです。ただし、ベテランを選ぶ際には、「羊肉を装って犬肉を売っている」かどうかには注意が必要です。複数の分野にまたがって活動しているにもかかわらず、長年の経験があると主張する人には特に注意する必要があります。彼らは単に人気を利用しようとしているだけである可能性が高い。

Axia-オペレーションとメンテナンス-北京:
ディープラーニングを入門コースとして受講しないでください。古典的な機械学習から始めることをお勧めします。ディープラーニングを目的に来る人は多いですが、機械学習の最初のコースとしてディープラーニングを受講するのは得策ではありません。
理由: ディープラーニングのブラックボックスの性質はより明白であり、急いで学習するのは簡単です。ディープラーニングの理論/モデルアーキテクチャ/技術はまだ変化しており、まだ決まっていません。ディープラーニングの実験には高いハードウェア要件があり、独学やパソコンを使った学習には適していません。

51CTOアシスタント:
優れた機械学習プラットフォームはありますか?

クラウドコンピューティング-北京-Angie.Z:

運用と保守 - 江蘇省 - 騎兵隊:
たくさんあります。 AWS や Microsoft など、いくつかの国際的な大企業は機械学習に非常に優れています。

安全-蘭嶼-北京:
AWSは良いですね。

51CTOアシスタント:
AWS Deep Learning AMI は、機械学習の専門家や研究者に、クラウド内であらゆる規模のディープラーニングを促進するインフラストラクチャとツールを提供します。 Apache MXNet および Gluon、TensorFlow、Microsoft Cognitive Toolkit、Caffe、Caffe2、Theano、Torch、Pytorch、Keras などの人気のディープラーニングフレームワークがプリインストールされた Amazon EC2 インスタンスをすばやく起動して、複雑なカスタム AI モデルをトレーニングしたり、新しいアルゴリズムを試したり、新しいスキルやテクニックを学習したりできます。
Amazon EC2 GPU インスタンスまたは CPU インスタンスのどちらが必要であっても、Deep Learning AMI に対して追加料金は発生しません。アプリケーションの保存と実行に必要な AWS リソースに対してのみ料金が発生します。
皆さんも注目してください！

[51CTO オリジナル記事、パートナーサイトに転載する場合は、元の著者とソースを 51CTO.com として明記してください]