在我想要學AI的時候，並沒有AIA這個選項。我想跟大家分享的是去年自學的經驗。 我上的第一門課是 Udactiy 的 Intro to Machine Learning https://www.udacity.com/course/intro-to-machine-learning--ud120 跟吳恩達在 Coursera上面的Machine Learning的課比起來，Udacity更平易近人些， 教材的製作也比較用心。另一方面，這個課程裡面程式練習是用MATLAB/Octave，我覺得 日後不實用，所以這課程我聽了一兩堂就沒繼續了。 Udacity的課讓我驚為天人，因為實在安排得太好，我常常是影片看得欲罷不能。最後兩周 就把這個課程上完了。 後來對於深度學習實在是很感興趣，於是付費上了Udacity的深度學習課程 https://www.udacity.com/course/deep-learning-nanodegree--nd101 這個是很紮實的課，有講理論，給方程式，也要求實作。第一個專題是用numpy做一個 multi-layer perceptron。裡面的activation function還有back propagation都必須要 自己。這對於理解神經網路是個非常好的練習。後面的專題還有CNN, RNN等。這個課 讓我對於深度學習有了很紮實的基礎的理解。 接下來我上了Coursera上面 deeplearning.ai的前四個課程。 https://www.coursera.org/specializations/deep-learning 吳恩達對於理論的講解比較深入，也講了不少在做深度學習專案的時候一些實際的技巧。 我覺得在上了Udacity的課，會實作之後，再上吳恩達的課比較好。因為要先會做了，才有 辦法透過對理論的更進一步了解來讓自己的技術精進。 後來因為我想要對於電腦視覺的部分繼續加強，所以上了Udacity的自駕車課程 https://www.udacity.com/course/self-driving-car-engineer-nanodegree--nd013 這個課程裡面講傳統影像處理的技巧，也講深度學習。專案是在處理他們取的實際的道路 影像。有用到傳統影像處理加上機器學習的方法，也有用深度學習的方法。我覺得是非常 好的應用的練習。我只完成了第一部分的課程，因為第二部分要開始用C++，這對我來說 實在太難，而且我也沒有打算要成為一位自駕車工程師。 後來因為自己開始做了一些醫療影像的AI，還想要再繼續精進技術，我再上了Udacity上 電腦視覺的課程 https://www.udacity.com/course/computer-vision-nanodegree--nd891 裡面的project比較不一樣，有keypoint localization, image captioning, SLAM等這種 比較不常見的課程，我覺得對於充實技能還算是滿有幫助的。也因此學了PyTorch 我實在是太愛 Udacity了，最近正在上的課是 Reinforcement Learning https://www.udacity.com/course/deep-reinforcement-learning-nanodegree--nd893 這個就難了許多，現在正在掙扎中。不過我覺得課程安排得真的是很不錯。 後來我自己把這些自學的經驗整理成了教材放在這邊: https://github.com/joe-of-all-trades/deep-learning-cv 整理教材的過程當中又進步了不少，因為必須要把這些觀念不斷地咀嚼。 有一個我沒有完成的課程，因為實在是相當困難。我認為對AI的研究有興趣的人應該要 完成的課程。這是由Geoffrey Hintony在Coursera上面開的課: https://www.coursera.org/learn/neural-networks 以上。分享我自學的過程。我覺得就算不參加學校，還是有機會可以學到一些AI技巧的。 我很喜歡自學，也很樂意讓自學有成的人到我們公司來試試。 祝大家AI學習順利。 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.162.47.226 ※ 文章網址: https://webptt.com/m.aspx?n=bbs/Soft_Job/M.1542726597.A.77D.html 我很希望能找到深度學習實戰經驗豐富的人。但這樣的人才真的是大家都在搶啊... 不求對於理論有深刻的理解，但希望是有很多實務經驗的人。 我覺得這是教育課程非常重要的一環，必須要有大量的業界的資料可以讓學員練習。 Nanodegree program的好處是 1)因為有付費所以自己會有進度壓力 2)課程穿插了小練習 ，有sample code，而且sample code裡面就實現了課程裡面講的數學概念。這對我來說是 價值最高的，因為看到數學概念在程式上面的實踐對理解原理來說很重要。 DRLND到目前為止我覺得還可以，講到的一些概念都可以看到在程式碼上的實踐。之前我有 在看 UC Berkeley 的CS294。CS294講得很好，但是我覺得在作業的方面會因為沒有辦法 跟助教互動，如果遇到問題比較難解決。Udacity的課其實都先提供了很多sample code在 提示你了，會輕鬆一些。對我來說，因為沒有很多時間完全從頭學，這是研究生才有辦法 這樣做。先給我一些程式碼提示一下幫助學習，我覺得對我來說讓學習的速度快了很多。 如果很有時間的話，我其實會推薦先看CS294,他其實也有作業放在網路上，也有學生把 他們自己的答案放上去。 Udacity課程另一個好的地方是，他做了 Unity Simulator，讓你作業的時候覺得很有趣。 這個是在自駕車第一學期的課程感受到的。我可以自己用這個模擬器開車，然後教CNN開， 我一邊自己在學，一邊在教深度神經網路，這對我來說是個很新鮮有趣的學習經驗，也讓 我非常有動力。我想Udacity在做線上補習班這件事情是做得滿不錯的。至少我沒有看到 做得比他更好的。 Udacity的mentor制度就不是那麼好了，我遇到的幾個其實都不太能解決我遇到的問題。 我想這還是回到基本的問題吧，AI的人才很缺，真有能力解決問題的人應該不太可能會 擔任助教。這還是要在大學系統裡面會做得比較好。 我認為Udacity課程的出發點就是要教你在業界工作時會用到的東西，數學只要有基礎就好 我覺得這樣的分量剛好讓你開始可以有些了解，可以對於模型稍做修改，又不會多到覺得 受不了。至少對我這樣並不是受正統訓練的人來說，學習不會有太大的障礙。 想要多知道一點數學，網路上有很多資料。我也買了 Learning from Data 這本書來參考 https://work.caltech.edu/telecourse 一個課程是六百或八百美金，我目前上的所有課程大概花了我將近三千美金。 我覺得我收獲的，是我投入的幾十倍。我的想法很簡單，我想要學AI，就我目前寫程式 的能力，以及我所能投入的時間跟金錢的成本，我是不是有更好的選擇? 這樣一想，我就毫不猶豫地選擇我上過的這些課程了。如果我有時間，我會一個一個的上 ，上到沒有課可以上為止。 因為上了這些課，我們公司才有機會變成今天這樣子。我認為非常值得。 ※ 編輯: Voldemort (1.162.47.226), 11/22/2018 00:57:19 我念了一些論文，也看了很多免費教材。我覺得學習最有效率的還是在Udacity上面。 Udacity的課程的好處之一是他把方程式整理過了，而且大又清楚的字體在影片裡面呈現， 同時會有另外寫的文字說明。 Udacity有設立Slack討論群，課程助教會固定時間在上面回答問題，同學也可以互相討論 還有另外類似Stackoverflow的課程問題網站。這些討論群組我認為價值也很大。有時候 寫作業遇到的問題在這邊討論比較快可以得到解答。 每一個學生還會被分配一個個人的Mentor,不過我個人的經驗是mentor不太能解答問題， 不如討論群組。 我是在Udacity一推出這些課程的時候就上了，那時比較便宜。600鎂一個課程。 Black Friday的確是有限時15% off的優惠。 講直接一點，Udacity就是個補習班。他把課程教材整理得很好，讓你可以學得快一些。 他的缺點也就是補習班的缺點，有些理論的地方教得不夠深。上完Udacity的課應該沒有 辦法做學術研究。 ※ 編輯: Voldemort (1.162.53.136), 11/25/2018 11:58:37