TS的野獸派部落格

我們先來看機器學習和深度學習的差別

機器學習 vs. 深度學習
• 深度學習可處理理⾼高維度特徵、非結構化的資料建立⾼高複雜度模型
• 機器學習仰賴⼈人為處理理過較好的特徵
• 深度學習降低⼈人為處理理特徵的需要，透過複雜的神經網路路組合特徵

今天我用隨機梯度下降(Stochastic Gradient Descent, SGD)的方法(訓練權重⽅方法) 是 Keras.....結果得分0.16994,我前幾天用機器學習的最佳分數是0.15504

但是請注意,DeepMind的AlphaGo和AlphaStar都是用深度學習(神經網路),但為何結果會如此?

我自己的心得:

1. 資料樣本的多寡,其實神經網路是會一直進步的,只要給予夠多的學習數據和樣本,它的學習成長取曲線雖然較緩,但是會越來越厲害,潛能較高

2. 機器學習,因為已經先經過人類的篩選和過濾掉機率較低的部分,所以等於是站在巨人的肩膀上作預測(喂喂.....前提是你要有能力判斷出高度相關的因子......否則.....)...

3. 現在明瞭為何日後會成為AI大國或企業,一定是擁有巨量的大數據不斷的Train你的AI model,所以資料和數據是王......

4. 知道我為什麼要持續寫部落格了嗎?還記得我在去年的一部電影評論有提到,我希望未來可以透過我的文字的AI分析產生類自我(TS)的人格,然後再輔以當時生物和靈魂等科技,我可以再度復活(呵呵,阿基拉復活)。....哈哈哈.....抱歉腦洞大開,TS大暴走.....不要理我......不過說真的,我日後真的想等技術成熟時,訂製一個類TS人格的AI助理.....所以我的部落格葷腥不忌......

我做事都規劃的很遠,我47歲就已經開始規劃自己的退休準備,42歲開始練太極拳打算退休教人餬口和養身健身,寫部落格一方面留下紀錄老年時回憶,另外就是經營社群影響力和未來將內容餵給AI訓練用,目前研究AI技術一方面是延長自己的職涯競爭力,一方面也可以運用在公司或企業中,另外就是讓自己的腦子持續保持運轉狀態....

雖然這次可能無法拿到認證證書,但是後續我還想繼續練習CNN和RNN的深度學習,另外就是鐵達尼號的生存預測,數字辨識,貓狗辨識,尾鰭辨識座頭鯨.....慢慢的練習

昨天看到Kaggle上的神人總排名預測第一人,拿過14次比賽第一和8次第二,這次座頭鯨辨識也暫排第三.....追星......觀摩高手,也會讓自己的能力逐漸提升........

好AI不學習嗎?很有趣