你聽過「一萬個小時理論」嗎?
不管是任何你本來不擅長的領域,只要經過刻意練習,持續不懈達到一萬小時,你就會變成專家。
今年我給自己設定了一個目標,我不用厲害到成為某一個領域的天才,但我想多花一點工作之餘的零碎時間儲備更多元有趣的各項能力,讓自己成為通才。
英文就被我列為本年度重點項目!
雖然之前在台大商研所得讀一堆原文書和哈佛個案,但畢業之後感覺自己單字量驟降。我想很多人應該都跟我一樣,畢業後超久沒練英文,功力退到剩不到五成吧⋯
但明明這是不分職業任何職場都必備的硬實力啊~
我在外商工作的朋友們,過去常得出差、視訊會議和外國同事客戶書信往來。
開餐廳的朋友也不能只懂廚藝和經營管理,總得會來上幾句跟外國遊客溝通。
而我身為主持人,更常被問到能不能中英文雙聲道或是來個現場口譯。
說到這連我都有點小心虛,明明得練好,但我們好像真的都還不夠好!
其實之前也不是沒有補過英語,大學跟同學去補習街報了托福和GMAT班,繳了大把學費。可是只要事情一多、臨時有事甚至下大雨不想出門,都會變成翹課懶散的藉口。
所以宅氣十足又想兼顧積極上進的我就決定試試看TutorABC的線上課程!
正式上課前先安排我做了英文能力的基礎測驗,本來有點緊張,後來發現是由雙語顧問用很輕鬆方式和你聊聊天,了解基礎水平做分級。
之後會依據你比較想加強的領域安排課程。有旅遊、生活對話、考試檢定、商務等不同類別和需求。
重點是上課時間地點都超彈性,我就是看當週哪天有空檔就預約,用筆電或pad隨時隨地都可以開始!
幫我上商務英語的外師是住在倫敦的Martin ,非常可愛親切又說著一口好聽的英國腔~
(原諒我對英國腔有特殊濾鏡,因為太喜歡哈利波特電影,總幻想這樣很妙麗)
他認為我的英文沒有太大的問題,所以建議我可以多記一些英文俚語俗諺,可以更貼近外國人的日常對話。
而且除了教材內容,他也即時打字做了不少補充,並且應我的要求教我更道地的英國腔😆
將近一個小時的課程快速幫忙找回和外國人對話的熟悉感,重點是課前半小時老師就會預先放上教材讓你有時間預習,課後影片還能回放反覆複習,真的是精進自己很不錯的方式。
看到這相信你也躍躍欲試了吧~
口說無憑!直接感受才知道適不適合你👉🏻 https://reurl.cc/O1Dp3D
所以我特別幫大家爭取到一堂TutorABC課程
快點進來試試吧👉🏻 https://reurl.cc/V6ejOy
#TutorABC因材施教立即見效 #AI打造量身定製課程 #在家安心學
同時也有3部Youtube影片,追蹤數超過5,870的網紅珊蒂微AI,也在其Youtube影片中提到,(下集) 🍿在下集當中,李老師跟大家聊的內容有: 1. 老師的宅男風格教學之力 2. 老師在2020年春季將會開一門全新課程! 3. 老師「請公子吃電信餅」🍪🍪🍪 4. 老師的「台大語音實驗室」都在做什麼? 🤖五個研究方向 🤖GAN來GAN去 🤖神奇模型「Mult...
「台大ai課程」的推薦目錄:
- 關於台大ai課程 在 蔡尚樺 Facebook
- 關於台大ai課程 在 文茜的世界周報 Sisy's World News Facebook
- 關於台大ai課程 在 范范 范瑋琪 Facebook
- 關於台大ai課程 在 珊蒂微AI Youtube
- 關於台大ai課程 在 珊蒂微AI Youtube
- 關於台大ai課程 在 珊蒂微AI Youtube
- 關於台大ai課程 在 Re: [心得] 自學AI資源分享- 看板DataScience - 批踢踢實業坊 的評價
- 關於台大ai課程 在 台大ai課程的推薦與評價,FACEBOOK、YOUTUBE、PTT 的評價
- 關於台大ai課程 在 台大ai課程的推薦與評價,FACEBOOK、YOUTUBE、PTT 的評價
- 關於台大ai課程 在 人工智慧學校ptt 的評價
- 關於台大ai課程 在 研究所板 的評價
台大ai課程 在 文茜的世界周報 Sisy's World News Facebook 八卦
《文茜的世界財經周報》MIT Media Lab人工智慧台灣學子系列報導之三〜3D龍頭公司Autodesk鄭慶一,一個結合科學與廚藝的怪材:記者李怡慧、陸念勤舊金山採訪報導
【鄭慶一考進第一志願台大機械 念到大四發現機械系並不能幫他設計東西 不受第一學府與框架限制毅然重考進成大建築 MIT深造取得資訊工程.設計運算雙學位 畢業後進入全球最大3D建模軟體公司Autodesk 曾在MIT Media Lab全職研究 以納豆改造成特殊衣服材料 並修開放式課程Science and Cooking課程 跳脫既有框架 從食材特性與科學間關係 掌握食物科學的成分 他示範的牛肉麵讓生命更濃郁】
Autodesk,全球最大3D建模軟體公司,會讓你眼界大開。
難怪科技和電影圈稱它是,每年奧斯卡大獎,「最佳視覺特效的實際得獎者」。
「比如說我現在這樣,把它弄碎了對不對,然後我這樣,它自己就組裝起來了,」Autodesk研究科學家鄭慶一。
鄭慶一,也有點超乎我們想像的聰明和帥氣,他的兩隻手,在Autodesk設計,超乎我們想像的世界。
像是這個線條突出,用3D列印的空拍機。
「(這是)「生成式設計」,我們用了一個新的方法,讓你不用手把手的去建模,而是你設定說,比如,嘿,這裡我要放螺旋槳,那它可能會產生多少的推力,那這裡我是降落的腳,它可能會承受多少的衝擊,這些條件放進去之後,我們就會按下"生成"(電腦程式)按鈕,電腦輔助的AI系統,就會幫你把骨架給生成出來,」Autodesk研究科學家鄭慶一。
這是鄭慶一和Autodesk團隊的,Generative design(生成式設計),以後一個完全沒經驗和知識的人,都能跟AI,一起做設計,都能生出一個最優化的高科技產品。
這將徹底顛覆過去製造業,"誰搶到標準化規格化 誰就勝出"的,市場規則。
「(使用者可能其實是不懂這套系統的),是的是的,所以他們要怎麼樣(和電腦系統)對話去完成,這個(越野賽車)設計,其實是很有趣的研究課題,」Autodesk研究科學家鄭慶一。
鄭慶一的腦子裡,好像每一秒裡都有停不下來的怪點子,不斷長出來。
他念台大機械系,卻在大四那年決定重來,重考,考進成大建築系。
然後,一般在MIT麻省理工學院念完一個碩士,已不容易了,他卻硬是在MIT完成,設計運算和資訊工程雙碩士,而且還在MIT Media Lab擔任全職研究生。
忍不住想問,他是太勇敢,還是太瘋狂。
「那時候我很天真地認為,去唸台大機械系,也可以做類似飛機汽車設計,工業設計這樣子的設計,猶豫了很久,迷失了很久,(重考後)念建築系的過程之中,大概到了三年級四年級的時候,我就開始嘗試著把,程式設計Coding的技術,應用在設計裡面,如果我沒有接受過機械系工程的訓練,我也不會在純建築系的訓練之中,能夠產生這樣子新的想法出來,」Autodesk研究科學家鄭慶一。
在"程式"加上"設計",AI和Design的領域中,鄭慶一認識了自己。
2015年,鄭慶一和7位MIT Tangible Media Group團隊,發表bioLogic「呼吸衣」,把納豆菌的發酵,隨濕度改變體積等特性穿上身的發熱衣。
呼吸衣拿下素有「歐洲設計界奧斯卡獎」,A' Design Award的三項大獎,困難度在於,他們找到了能塗抹納豆菌的布料"氨綸",跨領域結合了生物工程,參數建築,時尚和工業設計。
2016年,bioLogic團隊把,Media Lab的教室改裝成廚房,研究生在MIT開起短期課程,學生們研究用數位控制吹糖球,用雷射切割做出幾何形麵包。
我們很驚訝鄭慶一說的,當他越投入AI,他發現重點就越不是在機器人身上,反而越是,思考"人怎麼想","人是如何解決問題"的。
「去畫新的圖的時候,其實你並沒有捨棄你之前的領域,而是你試圖的,在中間創造連結,或是你試圖讓這幅畫,看起來像是一個新的風景,所以我覺得 這是這幾年過來,包含在MIT,最深的一個體悟,」Autodesk研究科學家鄭慶一。
台大ai課程 在 范范 范瑋琪 Facebook 八卦
《文茜的世界周報》免疫細胞療法特別專輯系列
{內文}
耗時十年,台大癌醫中心終於落成了,他不僅僅是一個新的醫療中心,還背負著「華人頂尖,世界一流」的期待。
(台大醫學院教授 永齡健康研究院院長/楊泮池)
我們要推動精準醫學,然後另外有推動一些「智慧醫院(Smart Hospital)」,我們把AI(人工智慧)的觀念,用在病人的照顧上面,譬如說一些智慧病房等等,在那邊也會在那邊展示出來,讓大家看整個新的醫院的樣貌
所謂的智慧病房,就是利用硬軟整和人機融合,建構有效、微觀,納米級的數據庫,以醫療零錯誤為目標。像是最繁瑣的分藥,未來也交由電腦代勞。
(台大癌醫中心講解人員)
這個就是我們傳統過去的藥盒,在這個藥盒裡面呢?就是病人需要的一整天的藥備,還有就是這個標籤,那這個標籤基本上是人工 手做的,我們必須要每天,就是只要病人去轉床啦,或者他出院了換一個新的病人,我們就必須重覆的在上面粘貼,搭配這個智慧藥櫃,我們有一個非常新 非常重要的創舉,就是我們的e-ink,這個e-ink是電子化的,他是非常優化的很重要的一點就是說,不需要人工再次去粘貼,只要醫院的系統有更新,那我們就會直接在這邊顯示,最新 最正確的藥品
智慧藥櫃內鍵安全機制,護理師必須先刷識別證,再加上指紋確認,確保非護理人員無法擅自取藥。在掃描條碼之後,智慧藥櫃就會自動選出病人所需的藥品。
(台大癌醫中心講解人員)
我們可以看到這個藥盒是非常快速的打開,正確的藥格 正確的數量
(鴻海董事長/郭台銘)
謝謝 非常進步,最主要你們肯接受新的觀念,這就是對於你們自己,用高科技到新的醫院來講,這是最好的,最恰當的時機也是最好的時機,謝謝你們 謝謝你們 謝謝你們
術後的治療,一點都不馬虎,對於癌症患者,更希望的是能夠及早發現,及早治療。
(文茜的世界周報主持人/陳文茜)
台大的癌症中心裡頭多出來,癌症醫院裡頭多出來一個東西是AI治療 (對),我知道你有一個朋友也是您的病人,他說他要把他的肺腺癌的X光片做到AI準確率到99.9%
(台大醫學院教授 永齡健康研究院院長/楊泮池)
現在辦得到 現在真的辦得到,(現在所謂的AI治療),(是不是就是指說在影像的判讀上),(不會有失誤?),對 影像的判讀是最簡單的一個AI可以幫忙醫師做判讀的一部分,其實整個AI對醫療會幫忙很多很多,癌症醫院就是希望是從第一天開始,從第一個病人進來,所有的他的所有的住院的個人的資料,他的檢查的結果,基因檢測的結果 影像,通通匯到大數據,其實郭先生另外承諾要捐一個,我們叫做超高速電腦中心,在癌症醫院的旁邊,這個電腦中心它其實是一棟大樓,那一棟大樓上面有癌症醫院的研究的部分,那個是針對我們華人特殊的這些癌症,他的病因是怎樣 預防怎麼樣 什麼藥,那在上面,下面是一個超高速電腦中心,是跟AI結合的 跟學校結合在一起的,這一部分是會幫忙進來,包括這些所有的影像,還有基因定序的這些很大的資料都會進來,從這邊AI它其實是一個,我們叫做「機器學習(Machine Learning)」,意思是說你不要告訴這個機器怎麼樣,你就是把數據給它,數據假如很正確的話,有病 沒病 什麼樣子的結果,它自己就會給你理出一個頭緒,另外一個病人來就會跟你講,他的診斷是什麼,他的最好的治療是什麼,他應該怎麼做比較好,去給醫師一個建議,所以我們是希望全面性的做這個事情,影像診斷的部分,AI最容易切入,最容易幫忙醫師,譬如說我們陳晉興(胸腔外科主任)跟我們胸腔外科的這些醫師,他現在每年開了大概 每一年,他800個到1000個肺癌的病人,肺癌的病人它就有X光的影像,有電腦斷層的影像 有其他的影像,然後每一個長什麼樣子,每一個圖點是什麼 資訊它都有,然後它有病理的結果,它知道這個是哪一種病理的變化,淋巴腺有沒有,它的基因突變是什麼,這些東西通通給AI它去做「機器學習(Machine Learning)」,你想想看一年就將近1000個案例,它可以很快就學到一個運算方法,另外一個案例來,我只要跟你講他的病史,他的X光的影像,他的電腦斷層影像,它跟你講這個百分之多少的機會是什麼,可能應該怎麼治療,馬上就有一個很清楚的資訊給判讀的醫師,所以判讀的醫師,他就可以誤判的機會會降低很多,它會告訴你說這裡躲了一個你可能要注意,那醫師會叫回來再看一下,看看是不是真的是有或沒有,所以醫師整個判讀所需要的時間,還有錯誤率會降低很多,這裡不只是肺癌 肝癌也是一樣 胰臟癌也是一樣,很多的都可以這樣做,我們其實是很希望說,從第一天每一個病人進來,這些資訊就是有,但是在搜集病人資料上,又牽涉到另一個極為敏感的議題。
(文茜的世界周報主持人/ 陳文茜)
我再請教楊校長一個問題,就是現在辯論的非常厲害的,我不同意美國很多人提出來的看法,叫做隱私權,我認為在有些事情的隱私權是重要的,可是在疾病裡頭,我認為如果我把我個人的很多數據交出去,或是前人種樹交出來,他就會幫助當我得到疾病的時候
(台大醫學院教授 永齡健康研究院院長/楊泮池)
幫助很多人 這可以幫助很多,(可以前人種樹後人乘涼) 對
(文茜的世界周報主持人/ 陳文茜)
所以我不會我身體裡頭的任何資訊被放到大數據裡頭,它是侵犯了我的隱私權,我覺得我只是資料庫的一部分,然後我可以幫助別人,而且我可能也得到別人以前的幫忙,您的看法
(台大醫學院教授 永齡健康研究院院長/楊泮池)
我是完全認同,而且完全同意應該這樣做,其實最重要一件事情是,這個隱私權是我們要切斷聯結,就是不要讓這個資料可以聯結到是某一個人。這個資訊的保密的部分做好,就是你沒有辦法認出這些資訊是某一個特定的人,只知道某一個人他是這樣,他的病史是這樣,他的家族是這樣,他整個(發病的)過程是怎麼樣,他治療的結果是怎樣,這是一個很重要的例子,他的基因是什麼,然後這些資訊是可以提供整個未來醫學的發展,我們才能夠有機會去發展新的治療方法 新的藥,去幫忙這個病人,所以這個臨床試驗是很重要,新藥才會進來,然後能夠幫忙這些病人,每一個人我們貢獻這樣的一個資訊,是讓這個整個未來的醫學的發展是,特別是加上AI以後,它能夠縮短幫忙發展新的治療方式的時間,但是你就是要一定要想辦法,無論如何一定是不能讓這個資訊,是跟這個人可以聯結在一起,(個資保護)做好就好
楊泮池教授很早就體認到AI的重要,因此在擔任台大校長時期,就推動各科系學習CS+課程,即使是文科人,也要跟得上時代。
(台大醫學院教授 永齡健康研究院院長/楊泮池)
其實我們那時候就開始覺得,未來的整個教育的走向應該是這樣,要讓它跨領域,未來資訊AI對整個學生的工作會有很大的影響,所以我們做什麼事情,我們是開一些資訊的課,讓不是學資訊的人學非常簡單的,因為它可以用在人文社會科學 用在銀行業,所以我們叫做「CS+(computer science plus)」計劃,CS+的課 然後這課不是開給資訊的不是電資的 不是,是各個院通通開,讓他去學比較簡單的資訊的課,希望深植在他們心中 他們知道 他們怎麼可以利用這個,就算他在學文學的 人文社會科學的 藝術的,也可以用這個去發展他們要的東西
台大癌醫中心的試營運只是第一步,未來先進的醫療儀器和抗癌醫師將陸續進駐,願能成為所有癌友最後一線希望。
(在這裡 我們將匯聚更多的人才,持續發展更多創新科技,為對抗癌症 開創新頁)
https://www.youtube.com/watch?v=9ZJfwrJKcEk
台大ai課程 在 珊蒂微AI Youtube 的評價
(下集)
🍿在下集當中,李老師跟大家聊的內容有:
1. 老師的宅男風格教學之力
2. 老師在2020年春季將會開一門全新課程!
3. 老師「請公子吃電信餅」🍪🍪🍪
4. 老師的「台大語音實驗室」都在做什麼?
🤖五個研究方向
🤖GAN來GAN去
🤖神奇模型「Multi-BERT」
5. 台大傅鐘的老梗笑話
6. 最後有李宏毅老師秘辛大爆料
🍿影片中提到的五個研究主題,李老師都精選了一篇論文,連結如下,請各位大大笑納:
非督導式語音辨識: https://arxiv.org/abs/1904.04100
非督導式語音轉換: https://arxiv.org/abs/1804.02812
非督導式文件摘要: https://arxiv.org/abs/1810.02851
問答系統: https://ieeexplore.ieee.org/document/8700217
個人化聊天機器人: https://arxiv.org/abs/1901.09672
#GAN來GAN去
#台大電機李宏毅專訪
#AI神奇模型訓練師
#珊蒂微AI
#人工智慧
#AI
台大ai課程 在 珊蒂微AI Youtube 的評價
🍿在這支影片當中,觀眾朋友的提問如下,李老師都一一耐心回答惹(as always😊)
1. 機器可以回答哲學性的問題嗎?👉影片中,老師告訴你一個好玩的網站!
2. 神經網路架構的選擇方針?👉老師給出三個思考方向!
3. 老師有沒有Twitter? 👉影片揭曉!
4. 對機器學習領域未來發展趨勢的看法?👉影片揭曉!
5. 怎麼用Google sheets開發機器人?👉影片揭曉!
🍭可以跟你玩文字接龍的AI:https://talktotransformer.com/
🍭李宏毅老師有提到「GPT-2」的課程連結:https://www.youtube.com/watch?v=ugWDIIOHtPA
#跟你玩文字接龍的AI
#機器學習的未來
#選用神經網路架構的三撇步
#Generative Pre-Training (GPT)
#GPT-2
#Transformer
#Residual connection
#Deep Learning
#台大電機李宏毅專訪
#AI神奇模型訓練師
#珊蒂微AI
#人工智慧
#AI
台大ai課程 在 珊蒂微AI Youtube 的評價
人工智慧 / 賽局理論 / 大數據」三者到底有什麼關聯性?聽聽小傑老師從資管系的角度(他也基於當初修過資工課程的經驗),給大家一些觀點與想法!
===============================
去年邀請到優秀的台大資管系的小傑老師一起合作拍攝專訪影片,當時就已經預計影片會分成三集釋出。只是...只是第三集的「回覆問題」 這一part 因故一直被我拖延著沒完成剪輯!
但是其實第三集是非常值得一看的,因為小傑老師總共回答了四個問題,我認為每一題都解答了很多人心中對於「資管定位? 人工智慧與資管關聯? 賽局理論與人工智慧關聯?」的疑問 (尤其是那些對未來選系迷茫的學子!)
再加上有網友在前兩集影片下方留言敲碗第三集,因此我收起了我的拖延病,奮起把第三集剪完了!
每一題的連結如下!
💟問題一:人工智慧 / 賽局理論 / 大數據」三者到底有什麼關聯性?👉https://youtu.be/qzjIf-iDYNY
💟問題二:資管作為「管理」與「科技」的橋樑,能創造出哪些跟資工 / 資管 / 工管與眾不同的價值? 👉https://youtu.be/WHaVRdWu1Xw
💟問題三:若有同學是以學人工智慧為前提來選系,在 資工 / 資管 / 企管 三系之間,老師會如何給予建議?👉https://youtu.be/N37TaXG_wko
💟問題四:當初拿到PHD之後就回台灣教書背後原因?以及你怎麼評價自己的ㄖ決策風格?👉8/14釋出
#人工智慧跟賽局理論與大數據
#三者個關聯性
#台大資管系孔令傑
👉孔令傑老師的YouTube頻道:https://www.youtube.com/channel/UCUOO6-Vu9wjZI9SW5jgmNTQ
👉孔令傑老師的部落格:http://www.im.ntu.edu.tw/~lckung/?fbclid=IwAR2weTFa7_WKfqUDYrPeQEV2tI7cA-Q9DzEUx6RpobfFjJALLSXCbCR3ZQo
#大學科系
#資管
#資工
#台大
#如何選系
台大ai課程 在 人工智慧學校ptt 的八卦
其實我只想上個AI課程後有整體的了解,有問題時有人可以請教。 之前曾上 ... 畢竟備5以內還是會抖抖的回不了台大了心情好差※ 發信站: 批踢踢實業坊 ... ... <看更多>
台大ai課程 在 研究所板 的八卦
... 台大的po這類文章就少很多這樣的留言,唉私立的可憐啊. 愛心 哈哈 驚訝. 21. 47. 收藏 ... 課程年薪都是三倍跳,根本不會考慮去金融業,所以雖然政大在金融業有就業優勢 ... ... <看更多>
台大ai課程 在 Re: [心得] 自學AI資源分享- 看板DataScience - 批踢踢實業坊 的八卦
感謝原 PO 的分享,我也來分享一下我自己的學習清單
==== 前言 ====
去年因緣際會知道了有關大數據、資料科學、機器學習這些領域
本來考慮要去參加資策會的課程,但自己要在家帶小孩
如果參加課程,小孩要找保母,整個機會成本太高,因此決定自學先
網路課程現在幾乎是隨手可得,想要自學的人根本不怕沒有教材可以學習,但是五花八門
的課程中,怎麼去選擇就是一個很重要的問題了。
我自己是一個門外漢,因此在選擇課程以及安排上面花了蠻多時間,以下大多是我看過或
是大概瀏覽過覺得不錯的課程,就推薦給想要自學又不知道怎麼開始的朋友們吧~
==== 概論 ====
由於自己雖為國立大學數學系畢業,但畢業非常多年,加上自己也非科班出身,因此想要
先了解整個領域的範疇、概要,之後再開始針對各個科目分進合擊。
PS : 初期我自己都以大數據為出發點,所以上的課都是大數據概論取向,但再其中其實
對於資料科學、AI、機器學習都會講到。
1. [ Coursera ] 大數據分析:商業應用與策略管理 (Big Data Analytics: Business
Applications and Strategic Decisions)
這門課是台大與玉山銀行合作開的線上課程,與其說是課程,我認為比較偏向講座,在這
過程中可以對大數據、機器學習等在商業上的應用。這堂課可當作補充資料來上,會有一
些實務應用上的概念,當然,如果沒時間也不一定非得要上。
2. [ Coursera ] Big Data Specialization
University of California, San Diego 開設的這們課程,我個人還蠻推薦的,尤其是對
跨領域、無先備知識的學習者來說,可以在這一系列課程中很快速地對整個領域有蠻深入
的理解。
3. [ Book ] 精通 Python
4. [ Book ] Python 資料科學學習手冊
這兩本都是 O’REILLY 的經典書籍,我必須坦白說我沒有完整的看完,精通 Python 我
針對資料科學的部分有完整看過,然後做習題,但裡面很多章節稍微跟資料課學無關的我
幾乎都暫先跳過,而資料科學學習手冊我是都拿來當工具書翻閱。( 所以我 coding 能力
還是一樣很差XDDDDD )
==== Python ====
第二階段我開始以 Python 為主進行學習,因為我自己 coding 能力幾乎是 0,這個部分
必然要作為初期學習的重點項目。另外,雖然說這是第二階段,但其實這部分跟上述的概
論課程我幾乎都是同時期一起上課。( 不過我坦承到現在我自己的 coding能力還是很差XDD )
1. [ Coursera ] Python for Everybody Specialization
這門是 University of Michigan 所開設的 Python 專項課程,完全從 0 基礎開始上課
,上完以後可以可以進行一些初階的程式作業我想是沒有問題的,這堂課並沒有太多針對
資料科學的部分,主要是以各領域都會用到的基礎工具為主。Charles Russell 的上課方
式我超喜歡,喜歡友去上課方式的人我想也會跟我一樣喜歡這門課。
2. [ Coursera ] Applied Data Science with Python Specialization
一樣是 University of Michigan 開設的,這專項課程我作為上門課程的接續課程。前面
幾堂會針對 python 在資料科學中會用到的模組、方法進行概略式的瀏覽,後面則會針對
視覺化、機器學習等領域做較為深入的介紹。整個課程較上一門來說困難度增加不少,因
為我自己有做手寫筆記的習慣,這門課的許多東西在我現在 coding 遇到問題時都還能翻
閱筆記作為工具書使用,我覺得受益不少。
3. [ Coursera ] Fundamentals of computing
Rice University 所開設的課程,之前應該也是在論壇看見推薦的,但課程難度較高,目
前我也是暫時先擱置還未進行這課程的學習。
===== Machine Learning =====
1. [ YouTube ] 機器學習基石 & 技法
(Machine Learning Foundations and Techniques)
台大林軒田教授所開設的機器學習課程,在 Coursera 與 YouTube 軍可以免費觀看課程
內容。這門課主要以基礎的機器學習演算法為主,但雖然說世紀處演算法,但內容包含的
數學比重較重,啃下來的確會有點困難,但整個課程的安排的確非常流暢,老師的講述也
算是蠻清楚。而且教授對於課程教學十分用心,如果在 YouTube 或是 Coursera 上面提
問,教授 (或助教) 都會盡可能地回覆。( 即使課程已經是兩三年前的課程了,現在也都
會看到教授的回覆,非常用心。 )
2. [ YouTube ] Machine Learning — 李宏毅
台大李宏毅所開設的機器學習課程,一直以來都是台灣及中國學習者極力推薦的中文課程
之一。課程內容與時俱進,每一年都會將最新的機器學習、深度學習的演算法、模型加入
到課程內,讓學習者能夠跟上整個領域的發展。數學的比重比林軒田教授的課程低,而且
多了許多有趣的範例及講述,上課起來輕鬆不少。然而,影片內容我個人覺得安排較為紊
亂,可能是每一年的課程進度剪接而成,在某一些地方的銜接度較差,這是上課時稍微讓
人困惑的地方。不過瑕不掩瑜,這門課程我認為還是非常值得花時間上的。
[ 補充 ] 最近中國一些人將李宏毅的課程整理成一個 github 專案,完全複刻課程內容
,包含了課程中的所有 demo 以及課程作業內容,非常值得大家在上課的同時做參考使用
。
[ 補充 ] 李宏毅另外有一門課程 " Machine Learning and having it deep and
structured ",會更深入講解機器學習的演算法跟架構,這也是後續上完 Machine
Learning 後可以深入補充的課程。
3. [ Coursera ] Machine Learning — Andrew Ng
由 Stanford University 的吳恩達教授所開設的課程,這已經是全世界公認的經典了,
不過已經花了大半年上完前面兩門課程的我,可能要稍作休息,待日後有機會再來進行這
門課程的學習。
4. [ YouTube ] Large-Scale Machine Learning
清大吳尚鴻所開設的課程 (https://www.cs.nthu.edu.tw/~shwu/courses/ml/),忘了在哪
看見推薦的,我有上去大概看了一下,就學習論的部分我覺得講解的蠻清楚,就也是有空
可以再回頭來看看。
===== Mathematics =====
整個 Machine Learning 所涵蓋的數學領域其實是很廣的,有一些甚至不是數學系四年會
碰觸到的部分,而且某些部分甚至都是數學系、所一整學年的課程,我認為不用太糾結每
一個數學細節,找到一個可以說服自己的方式就好。( 當然,如果你真的想走演算法這條
路,要求就要再提高ㄧ些 )。如果有時間我會建議可以把機率統計以及線性代數的部分上
過一次(我大學機率統計實在學得慘不忍睹),我認為這兩個領域如果可以上手,就會輕鬆
許多。
1. [ 清大開放式課程 ] 機率論
2. [ 清大開放式課程 ] 統計學
3. [ 清大開放式課程 ] 數理統計
這三們都是清大鄭少為老師所開的課,基本上他的機統普遍受到許多人的推薦,我自己有
看過前面幾堂的機率論,我認為條理清楚,講義也很詳細,這是我真的很想找時間上的課
程。
4. 線性代數
這個部份我目前暫時沒有重新上課的打算,大學教授上的非常好,我的筆記也都還留著,
就可以來回對照著參考,如果有推薦的課程也可以讓我知道,一起推薦給所有人參考看看
。
===== 補充資料 =====
這裡推薦幾個我認為很有幫助的學習途徑,有些是課程,有些並不算是。但我認為都可以
在上面這些基礎課程以外作為增強實力的補充教材。(備註 : 這裡我選出來的都是比較廣
泛性的平台,但 Medium 或是ㄧ些個人部落格也有很多非常棒的補充資料可以看,但這樣
的資料多且雜,我就暫時沒收在下列推薦名單中。)
1. AI 研習社 ( https://ai.yanxishe.com/ )
不得不說,中國在這領域的發展真的比台灣快而且豐富,當我在學習過程中找尋中文資料
時,九成都是從中國的論壇或是部落格中找到,台灣在這方面的分享上面的確比較少。
AI 研習社我會建議大家可以去他的線上課程看,裡面有幾個大師級的課程 ( 重點是有簡
中字幕XD ),例如 Hinton 的課程我就會想要找時間來看一下。裡面還有一些資料、論文
整理的部分,大家也是可以上去晃晃看。
PS:它有一門「機器學習必修之數學基礎」系列課程其實我還蠻有興趣的,但是學費不便
宜就…
2. CSDN博客 ( https://blog.csdn.net/ )
不管閱讀論文還是課程上面有疑問,絕對可以針對同一件事情再上面找到非常多樣化的解
釋。上面我曾經說過,很多時候不要拘泥,找到一個能說服自己的方式就好,通常我都會
在許多不同的解釋當中選擇一個我比較理解且能接受的方式作為我對這件事情的理解。
3. 知乎
這有點像是中國版的奇摩知識+ (?),針對一個問題也可以看到底下有許多不同角度的切
入,我覺得這樣的學習其實蠻不錯的。當我在找資料的時候,只要是CSDN跟知乎我都會點
進去看一下,許多時候都會有不錯的收穫。
4. reddit/MachineLearing ( https://www.reddit.com/r/MachineLearning/ )
reddit 的 Machine Learning 版裡面有許多的神人,還潛伏了許多論文的作者在裡面,
時不時會有一些很新的論文發表、成果發表還有許多有趣的討論在裡面,我覺得可以收藏
起來看。
5. 微博公眾號
好,我知道這部分爭議很大,如果真的很介意的可以跳過這一 part。
我完全沒有在用微博,但為了ㄧ些公眾號的訂閱我才開始使用。許多公眾號會把很新的
AI 新知、或是一些知識整理放出來,雖然品質參差不齊,但也不得不說有時候真的能撿
到一些不錯的好文章。另外,覺得閱讀reddit 全英文資料很吃力的,有時候大概在
reddit 上面發表一兩天之後公眾號就有簡體中文的說明出來,我覺得有時候偷吃步其實
也是蠻可以的啦XDDDDD。還有一個公眾號會每天發送各種領域最新的論文內容出來,如果
閱讀論文速度很快的,可以從這樣的公眾號中拿到很多最新的論文資訊。
=======END=======
以上是我自己的一些學習資訊,也提供給大家參考看看
當然還有很多非科班出身必須要修的 例如資料結構跟演算法等等
我目前還沒有什麼概念,如果有人有推薦課程也希望不吝分享讓我知道一下
--
聽眾散去了,希爾伯特卻仍留在講台上,
他等著看自己是否已經運用有利的例子,優越的論證,
以及具誘惑力的23個問題,
塑造他期盼見到的未來.....
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.45.98.201 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1565639939.A.F2F.html
... <看更多>