摘要：是為結(jié)果導(dǎo)向型人群開設(shè)的深度學(xué)習(xí)在線課程。但是最關(guān)鍵的是，我想通過構(gòu)建簡單的深度學(xué)習(xí)解決方案來實(shí)現(xiàn)理論和實(shí)踐的相結(jié)合。我的目標(biāo)是在一天結(jié)束前進(jìn)入排名的前。我的時(shí)間都用于學(xué)習(xí)庫組織數(shù)據(jù)和評估結(jié)果都是一些與深度學(xué)習(xí)無關(guān)的簡單流程。

Fast.ai是Jeremy Howard為結(jié)果導(dǎo)向型人群開設(shè)的深度學(xué)習(xí)在線課程。

我讀過很多關(guān)于機(jī)器學(xué)習(xí)的書，也參加過不少這方面的課程，但我認(rèn)為Fast.ai是迄今為止實(shí)用的深度學(xué)習(xí)入門課程。在本文中，我將與大家分享我在學(xué)完前兩課后的一些經(jīng)驗(yàn)。

從數(shù)學(xué)開始學(xué)習(xí)人工智能是個(gè)錯(cuò)誤的選擇

22年前，我在斯坦福大學(xué)學(xué)習(xí)Bernie Widrow的神經(jīng)網(wǎng)絡(luò)課程，這位數(shù)字濾波器之父諄諄善誘，向我們講解隨機(jī)梯度下降的原理。

學(xué)了一半的理論課程，我還是不能完成神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)，只學(xué)會了如何用MatLab構(gòu)建神經(jīng)網(wǎng)絡(luò)。后來，當(dāng)我需要編寫代碼來訓(xùn)練我的網(wǎng)絡(luò)權(quán)重時(shí)，我才終于理解了什么是隨機(jī)梯度下降。

不過，這種窘境到現(xiàn)在也并未發(fā)生多大變化。大多數(shù)機(jī)器學(xué)習(xí)實(shí)戰(zhàn)工程師都有著學(xué)術(shù)背景；當(dāng)專業(yè)程序員問他們 “我該如何開始學(xué)習(xí)人工智能？”，多數(shù)工程師會向他們推薦一些偏重?cái)?shù)學(xué)的學(xué)習(xí)資料，比如《深度學(xué)習(xí)》這本書（這種情況時(shí)有發(fā)生）。

對研究人員而言，Ian Goodfellow的這本書是一本很好的參考書，但對我們中的大多數(shù)人而言它并不是一本好的入門書籍。這本書關(guān)于梯度下降的章節(jié)使我回想起讀研究生時(shí)遇到的窘境：

上圖為Goodfellow等人所著的《深度學(xué)習(xí)》中關(guān)于梯度下降的一頁。這本書有很好的研究參考價(jià)值，但是對專業(yè)程序員而言，并不是一本實(shí)用的入門書。我在圣誕節(jié)期間讀完了本書三分之二的內(nèi)容，但我還是不會構(gòu)建神經(jīng)網(wǎng)絡(luò)。

對于研究人員或者人工智能前沿的推進(jìn)而言，理解理論是至關(guān)重要的一步。但是，對于大多數(shù)人工智能商業(yè)應(yīng)用而言，數(shù)學(xué)是個(gè)很大的干擾。

為什么？因?yàn)槠髽I(yè)面臨著一些更為嚴(yán)峻的挑戰(zhàn)，例如選擇正確的問題，組織數(shù)據(jù)，部署解決方案等。面對市場風(fēng)險(xiǎn)和執(zhí)行風(fēng)險(xiǎn)，專業(yè)程序員不得不使用成熟的技術(shù)來開發(fā)應(yīng)用——因此，懂得如何實(shí)現(xiàn)某一解決方案要比理解該方案的工作原理更為重要。

光讀不練假把式，必須實(shí)踐。

學(xué)習(xí)新技能的方法就是：使用該技能練習(xí)構(gòu)建。深度學(xué)習(xí)也一樣， JeremyHoward的Fast.ai課程注重實(shí)踐，是學(xué)習(xí)人工智能最快的方法。

Fast.ai讓你通過實(shí)踐學(xué)習(xí)深度學(xué)習(xí)

課程的聯(lián)合創(chuàng)始人Jeremy Howard和Rachel Thomas實(shí)現(xiàn)了他們的承諾——“讓所有人都能運(yùn)用機(jī)器學(xué)習(xí)的力量”。本文不對課程進(jìn)行描述，我會推薦你閱讀學(xué)習(xí)者對該課程的評論并分享我早期的經(jīng)驗(yàn)。

我為什么決定參加這個(gè)課程

在參加該課程之前，我已具備良好的深度學(xué)習(xí)理論基礎(chǔ)，并掌握了該技術(shù)各種應(yīng)用的實(shí)踐知識。我參加這個(gè)課程是為了獲得更多實(shí)踐經(jīng)驗(yàn)。

構(gòu)建簡單的解決方案能幫我更加有效地籌劃項(xiàng)目、雇用項(xiàng)目人員和進(jìn)行工程學(xué)權(quán)衡——這是任何領(lǐng)導(dǎo)者都須具備的技能。

但是最關(guān)鍵的是，我想通過構(gòu)建簡單的深度學(xué)習(xí)解決方案來實(shí)現(xiàn)理論和實(shí)踐的相結(jié)合。

如何建立一個(gè)算法來檢測入侵物種

在一天內(nèi)能達(dá)到什么樣的水平？

學(xué)完前兩課后，我決定參加Kaggle比賽。

我的目標(biāo)是：

在一天結(jié)束前進(jìn)入排名的前50％。

自己動手編寫每行代碼，不用剪切和粘貼。

了解所有引用的庫和API。

我選擇了“入侵物種監(jiān)測”競賽（Invasive Species Monitoring playground competition）。 這是一個(gè)比較簡單的分類問題，對初學(xué)者而言算是一個(gè)很好的起點(diǎn)。

還有，它聽起來就很有趣。

上圖為 “入侵物種監(jiān)測Kaggle競賽”中入侵性繡球花（繡球花：一種植物的分類）。

比賽的內(nèi)容是開發(fā)出識別森林和葉子圖像中是否包含入侵性性繡球花的算法。

早上七點(diǎn)，我沏了一壺咖啡后開始工作，在亞馬遜AWS上對GPU進(jìn)行了加速。晚上9點(diǎn)，我的眼睛開始酸痛，我的大腦跟炸了一樣。

我決定將我的結(jié)果提交給Kaggle……

我的代碼

這是我在github上的完整筆記，里面記錄了我工作計(jì)劃的7個(gè)步驟

不用對我的代碼感到驚訝——我使用的方法與課堂上學(xué)習(xí)的方法類似。任何一個(gè)具有1年工作經(jīng)驗(yàn)（或以上）的程序員應(yīng)該都能寫出這樣的代碼。

我90％的時(shí)間都用于學(xué)習(xí)庫、組織數(shù)據(jù)和評估結(jié)果——都是一些與深度學(xué)習(xí)無關(guān)的簡單流程。

驗(yàn)證結(jié)果

我使用90％的圖像訓(xùn)練我的算法，并用剩余的10％來驗(yàn)證結(jié)果。

預(yù)測精度

我的預(yù)測精度達(dá)到了91％。這是混淆矩陣：

混淆矩陣顯示了我的算法檢測驗(yàn)證集的有效性。 最需要改進(jìn)的的地方是漏報(bào)問題——在12個(gè)實(shí)例中算法錯(cuò)誤地將入侵物種識別為非入侵物種。 您可以在下方查看該結(jié)果。

91％是什么概念？ 就在3年前，較先進(jìn)的計(jì)算機(jī)視覺識別技術(shù)也只能達(dá)到80％！我在第一次嘗試中就超越了它。

包含花的圖像被正確識別

我檢查了被算法正確識別的圖像。大藍(lán)色繡球花似乎是關(guān)鍵特征。

某些被錯(cuò)誤識別的圖像存在明顯問題

這個(gè)算法錯(cuò)誤地識別了18個(gè)圖像。 這是算法需要改進(jìn)的地方。

漏報(bào)的圖像似乎是未被正確識別的小花。 我認(rèn)為通過裁剪照片生成更多標(biāo)記樣本，可以改善算法的結(jié)果。

勝利！ 我進(jìn)入了前50％！

在我的第一次嘗試中，我在52位參賽者中排名第21，進(jìn)入前50％。

目標(biāo)達(dá)成！

我在一天內(nèi)進(jìn)入了排名的前50％。

沒有較好只有更好。

Fast.ai是否適合你？

如果你的目標(biāo)是加入Open.ai團(tuán)隊(duì)或贏得ImageNet競賽，那么Fast.ai課程并不十分適合你，因?yàn)槟阈枰獙W(xué)習(xí)偏導(dǎo)函數(shù)。

但對于其他人，比如想要獲得實(shí)用的基礎(chǔ)知識介紹的團(tuán)隊(duì)領(lǐng)導(dǎo)，希望學(xué)習(xí)深度學(xué)習(xí)工程師入門知識的專業(yè)程序員，想知道如何開發(fā)AI spec的產(chǎn)品經(jīng)理，或者任何想對一噸樂高進(jìn)行分類的人員來說，F(xiàn)ast.ai是個(gè)很好的開始。

相關(guān)鏈接

GitHub地址

https://github.com/kevindewalt/ai-notebooks/blob/master/invasive_species.ipynb

Fast.ai深度學(xué)習(xí)課程地址（英文）

http://course.fast.ai/

Invasive Species Monitoring

https://www.kaggle.com/c/invasive-species-monitoring

原文地址

https://medium.com/the-business-of-ai/fast-ai-how-i-built-a-deep-learning-application-to-detect-invasive-species-in-just-1-day-and-for-38e0ced809e9

商業(yè)智能與數(shù)據(jù)分析群

興趣范圍包括各種讓數(shù)據(jù)產(chǎn)生價(jià)值的辦法，實(shí)際應(yīng)用案例分享與討論，分析工具，ETL工具，數(shù)據(jù)倉庫，數(shù)據(jù)挖掘工具，報(bào)表系統(tǒng)等全方位知識

QQ群：81035754