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
小編用心給推!!!
感謝資料整理~
版主回覆:(03/19/2017 11:33:36 PM)
謝謝^.^~~
感謝版大的整理,相當精采,棒!
版主回覆:(04/30/2017 09:20:35 PM)
謝謝XD~~
感謝小編的整理
解決了不少學習上的問題
版主回覆:(05/30/2017 11:34:51 AM)
謝謝 ^.^
哈囉~您好,您資料的整理能力好厲害喔,
對了,好書推薦中,RL聖經的連結失效嚕!
版主回覆:(10/01/2017 01:27:51 PM)
哈哈 謝謝誇獎
那個喔~~那個不是我能控制的QQ
他們官網常常壞掉
反正打書名後資料就很多了~~XD
我的確有 google RL聖經, 但不知道是哪本書耶XD,有圖片嗎?
最近在學 machine learning,好多東西要學 XD
版主回覆:(10/02/2017 12:43:17 PM)
https://mitpress.mit.edu/books/reinforcement-learning
這本,是Sutton寫的
哈哈 真的~~一起加油XD
哈~在學習AI中,小編的整理很有用~感謝!!
版主回覆:(12/01/2017 09:39:41 AM)
Your welcome ^.^
您好!!!
因為本身是傳統製造業的研發工程師(工作在於繪圖等等)
所以可能我的問題會比較外行 哈哈哈
想請教您
AI這種技術
他在軟體的定位是屬於哪裡呢?是輔助性質還是獨立作業
如: 如傳統工具機一台機械有一個專屬自己的獨立軟體(由c++或其他程式編寫)
那AI是屬於 附加上去還是 可以完整取代掉機械軟體的技術呢!?
不好意思 有點在繞口令哈!因為不太懂AI所以想求解!
看了好多AI的資料 可是牽扯好多領域甚至有些都太過於天馬行空
所以對於AI的概念就漸漸發散了Orz
簡單來說就是…不知道它的起點在哪裡Orz
此外 很感謝您這樣統整如此經驗在這裡公開給大家分享
加油
版主回覆:(02/03/2018 03:19:10 PM)
這個…要看你的機器是屬於什麼機器吧?
我相信現在大部分應該應是輔助性質居多
完全取代應該比較少
不客氣~~我希望在這裡分享我所學
把知識傳播給大家 ^.^
最近找AI資料剛好找到小編Blog
本來想玩OpenAI gym 結果他居然關了..QQ
不知道還有沒有其他做好的環境玩..
版主回覆:(05/14/2018 05:24:25 PM)
關了? 我看他網站還在阿 剛看了一下還增加了robotic的環境 好酷~
還是玩玩universe??
https://blog.openai.com/universe/