我的網站學習地圖
小編覺得痞克邦的索引連結實在沒有做得很好,為什麼不能點開分類看到每一個網頁標題內容呢,有時候小編都要找好久才能找到想要的資料,因此小編決定做一個地圖索引,幫助自己也幫助大家快速地尋找我網站中的資料。
小編的網站主要是提供給有興趣想學AI的人,資料都是從網路上蒐集以及聽過的一些課程加上自己的筆記整理,是小編花很多心思整理的,如果覺得有幫助到您的話,留言給小編鼓勵一下,小編會很開心的^.^,這樣小編就更有毅力寫教學文教大家AI囉。寫部落格過程中看到最近新版 Alpha Go 頻頻獲勝的新聞時,小編更是興奮不已,讓小編堅信自己的選擇是沒有錯的,小編相信不久後使用在Alpha Go上的技術將會廣為流傳到各大企業中大大取代人力資源,因此小編也怕以後被裁員阿XD,趕緊跟在這些大師們後面加緊學習,不然以後沒飯吃阿~
DeepMind 的講師 David silver 曾經說過,Deeplearning + Reinforcement learning就是AI,小編深有同感,小編已經看過很多驚奇的影片、論文都是從Deep Reinforcement learning出來的,當然大名鼎鼎的AlphaGo也是DRL的一種,深度學習目前已經廣泛的運用在企業中,但是DRL目前只有少數頂尖公司投入錢研究,因此在企業應用中是少之又少,但小編深信最後創造出來的機器人一定會大量使用這些技術,因此這些技術流入業界中恐怕也只是時間早晚的問題,所以如果不想被裁員,趕快跟著小編的腳步學習AI阿~~
可能啟發您學習的影片
- DeepMind 用DQN 玩打磚塊
- DeepMind 讓蜘蛛人學會踢足球
- DeepMind 讓機械手臂用學習的方式控制到想要位置上
- 將模擬環境換到真的機械手臂上
- 用俠盜列車手的遊戲環境訓練AI自駕車
- 用Contact-Invariant Optimization發現複雜行為
- 用Contact-Invariant Optimization訓練細微手動作
- 訓練小鳥沿著目標飛行
深度學習
深度學習是廣為流行的一種模擬人腦的神經訓練模型,它改善了從前類神經網路的諸多缺點、引用人類大腦學習技術使得圖片辨識率從原本的9X%立刻提升到接近99%的正確度,關於了解什麼是深度學習前應該先理解傳統類神經網路,因為深度學習是從傳統類神經網路開始改進的。
強化式學習
強化式學習是AI中很重要的一個演算法,他是經由觀察人腦的學習模式而漸漸發展出來的,它不像類神經一樣需要出現正確的輸入/輸出對,所需要的只是提供一個環境給演算法學習,以及跟機器人說如何做是對的、錯的,那麼機器人會漸漸地學習出最佳的路徑出來,就像訓練小狗握手一樣,牠如果做對了就給牠東西吃,漸漸的狗狗就會知道當你把手伸出來的時候,和你握手就會有東西可以吃,所以狗狗就學會和你握手了 ^.^
- Reinforcement learning - Q learning 推導
- AI教學 -- Chap3:Reinforcement Learning Problem
- AI教學 -- Chap4:Dynamic Programming
- AI教學 -- Chap6:Temporal Difference Learning (TD)
工具教學
Caffe
- caffe 安裝教學 CPU 版本
- caffe 安裝教學 GPU 版本 --nvidia1070 ubuntu14.04
- Deep learning model--caffe 使用教學
- caffe使用教學--學會做出自己的數據集(Imdb)
- caffe使用教學--創造自己的deploy網路(Autoencoder)
- caffe使用教學-- 使用draw_net.py 畫出網路圖
- 用caffe 來做夢吧
Tensorflow
- 從無到有打造一個深度學習環境學打乒乓球--使用說明書
- 安裝 Tensorflow 教學 GPU:Nvidia1070(from source)
- Tensorflow教學(1) -- 建置一個基礎神經網路
- Tensorflow教學(2) -- 建置一個有隱藏層的神經網路
- Tensorflow 教學(3) -- 如何使用MNIST 數據庫
- Tensorflow教學(4) -- 建置一個CNN網路分辨手寫辨識字
- Tensorflow教學(5) -- 同時訓練兩個神經網路
- Tensorflow教學(6) -- 可視化tensorboard
- Tensorflow 常用函數整理
Linux
語言教學
好課推薦
- Berkeley AI Course CS188
- Cousera Standford Andrew Ng Machine learning
- Standford CNN class
- Berkeley CS 294: Deep Reinforcement Learning
- MIT Deep Learning for Self-Driving Cars