夏乙 若朴 发自 凹非寺
量子位 出品 | 公众号 QbitAI
Google今天上线了一个“机器学习速成课程”,英文简称MLCC。用他们自己的话来形容,这个课程节奏紧凑、内容实用。
听完这个课程总共需要大约15小时,包含大量教学视频,还有对算法实际运用的互动直观展示,让用户可以更容易地学习和实践机器学习概念。课程共25节,还有40多项练习。
目前,有18000多名Googler报名参加了MLCC课程,把从课程中学到的东西用到了Google的各种产品上。
虽说这个课程免费向所有人开放,但实际上,想听懂还是有一些门槛的。Google在课程页面上就明确地列出了课程的前提条件:
掌握入门级代数知识。 您应该了解变量和系数、线性方程式、函数图和直方图(熟悉对数和导数等更高级的数学概念会有帮助,但不是必需条件)。
熟练掌握编程基础知识,并且具有一些使用 Python 进行编码的经验。 机器学习速成课程中的编程练习是通过 TensorFlow 并使用 Python 进行编码的。您无需拥有使用 TensorFlow 的任何经验,但应该能够熟练阅读和编写包含基础编程结构(例如,函数定义/调用、列表和字典、循环和条件表达式)的 Python 代码。
那么,数学已经基本全还给老师了怎么办!Python从入门到放弃了好几次怎么办!
Google在前提条件下边,还列出了学习这门课的准备工作,你需要恶补的知识、事先了解的工具,全都列了出来。
这其中,包括课程涉及的数学概念,每个概念都附有Google工程师教育团队精选的教程或文档,有来自可汗学院的课程、维基百科的词条、TensorFlow和Python的官方文档等等。
不过,这些链接到的内容都是英语的,如果需要中文版,还是要自己动手寻找。
开头已经提过了,这个课程基本可以做到全程中文。不仅是全部的文字内容有中文版本,而且所有的讲课视频,也都是中文语音,听起来毫无障碍。
没错,即便是老外讲课,你听到的也都是中文语音。
这个译制片般的感觉,得益于Google的AI技术。所有的中文语音,其实都是根据原音(英文)识别并翻译之后,由机器合成的中文发音念出来的。Google其实也明确说了:“此视频讲座的配音是使用机器学习技术生成的。”
所以听上去,还是能感受到一点点的机器的“口音”。下面,以第一课《机器学习简介》为例。一起听一下。
class="video_iframe" data-vidtype="2" allowfullscreen="" frameborder="0" data-ratio="1.411764705882353" data-w="384" scrolling="no" data-src="http://v.qq.com/iframe/player.html?vid=g0562fdcy50&width=670&height=502.5&auto=0" style="display: block; width: 670px !important; height: 502.5px !important;" width="670" height="502.5" data-vh="502.5" data-vw="670" src="http://v.qq.com/iframe/player.html?vid=g0562fdcy50&width=670&height=502.5&auto=0"/>
再来下《深入了解机器学习》这一节的视频,感受一下。
可以看到,视频中间出现的文字乃至公式,也都用中文显示了。
当然尽信也是不可取的。上面提到了,这些中文内容,很多都是机器翻译的结果,所以其中仍然会有出错的地方。你在听课的过程中,注意分辨。
课程中遇到需要互动学习的部分,还会暂时中止。
值得注意的是,机器在翻译她的讲课时,把其中提到的TensorFlow,翻译成了“传感器流”。可能有一部分原因是,英文语音转文字时给转成了:tensor flow。
如果大家看到真正严重的问题,可以留言讨论,或者向Google提出。我们只是提个醒,鸡蛋里挑个骨头。
另外很有意思的是,课程的最后部分讲到了机器学习在现实世界中的应用示例。
其中第一节讲的是《癌症预测》。这部分视频没有大吹特吹机器学习在诊断癌症方面有多厉害,反而是讲述了一个非常有趣的案例,推荐听一下:
class="video_iframe" data-vidtype="2" allowfullscreen="" frameborder="0" data-ratio="1.7647058823529411" data-w="480" scrolling="no" data-src="http://v.qq.com/iframe/player.html?vid=p05627hbw88&width=670&height=376.875&auto=0" style="display: block; width: 670px !important; height: 376.875px !important;" width="670" height="376.875" data-vh="376.875" data-vw="670" src="http://v.qq.com/iframe/player.html?vid=p05627hbw88&width=670&height=376.875&auto=0"/>
Learn with Google AI
这个课程,是Learn with Google AI项目的一部分。项目网站上有大量Google机器学习专家提供的教学资源,除了上面介绍的MLCC课程,还有21项非常实用的资料和讲座视频。
隆重推荐一个超级实用(有中文版)的资源:机器学习术语表。也就是机器学习专业词典啊同学们!在页面左下角切换语言,你就获得了一份汉英双语词典。
机器学习术语表:https://developers.google.com/machine-learning/glossary/
Learn with Google AI网站上当然还有更丰富的内容,凡是Google推出过的AI学习资源,基本上都汇总在这里了。
比如Josh Gordon的入门课程视频、TensorFlow Workshops系列笔记教程、通过动手带你入门的TensorFlow Deep Playground,GCP的机器学习指南、TensorFlow文档、甚至Google在Coursera和Udacity上开设的课程,以及收购来的Kaggle竞赛,都列了出来。
随着Google搞更多的事情,这个网站上也会列出更多的课程和资源。
资源太多不知道从哪学起?建议还是从系统的MLCC课程开始吧,或者just follow your heart~
当然,Google还给了一个过滤器,让用户可以根据你是谁、想找什么类型的内容、关注机器学习工作的哪个环节来筛选内容。
说了这么多,学习这种事你还是必须亲力亲为的。
来,网址给你:https://ai.google/education/ 请自行科学上网查看
One More Thing
这本书是1992年出版的Paradigms of Artificial Intelligence Programming: Case Studies in Common Lisp,开源的代码也是Lisp写的。
代码在GitHub上发布至今已有几周,在今天的GitHub热门榜单上依然排名第7,可以说是热度不减了。
但与天朝码农的购房热情相比,还是要输一大截:
未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。
未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。
如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”