Medium網友分享了一篇帖子 介紹了他的深度學習心路歷程

AiTechYun

編輯：Yining

Medium網友Favio Vázquez分享了他是如何學習深度學習並利用它來解決數據科學問題的。這是一個非正式的帖子，但內容很有趣。以下是他分享的內容。

關於我和深度學習的一點介紹

我的專業是物理和計算機工程。我在委內瑞拉學習過，後來在墨西哥做過物理學碩士。但我認為自己是一個數據科學家。因此，儘管我在數學、微積分和統計學方面有很好的背景，但從頭開始學習機器學習和深度學習對我來說並不容易。這些主題並不新鮮，但是我們研究它們的方式，我們如何構建使用它們的軟體和解決方案，以及我們與它們進行編程或交互的方式已經發生了巨大的改變。

我從哪裡開始著手?

在我學習計算機工程的時候，有一個關於「人工智慧（Artificial Intelligence）」的課程。對於這個課程，我時常會產生一些困惑。因此，我研究了專家系統（expert system），神經網路（neural net），遺傳演算法（genetic algorithm），並閱讀了一些論文，我發現其中兩篇非常有趣:

阿蘭·圖靈的《計算機器與智能》（Computing Machinery and Intelligence）

瑪格麗特·博登的《創造力和人工智慧》（Creativity and artificial intelligence）

當我閱讀這些論文之前(我不知道機器學習的進展，或者它甚至存在)，我認為我們離實現真正的人工智慧還有很遠的距離。所以，那時的我(22歲)對人工智慧失去希望，於是我開始研究量子計算，對我來說，這是在人工智慧之前發生的事情。然而，看看下圖，事實證明我錯了:

我對人工智慧的興趣

在2014年(24歲)，我剛剛從物理系畢業，在做我的關於黑洞模擬工程的論文時，我意外地發現了Coursera、機器學習、吳恩達和Apache Spark。這對我來說無疑是個巨大的驚喜。

我對嚴謹的在線學習感到驚訝，我以前沒有嘗試過這樣的課程(我仍然不知道為什麼)，於是我開始學習所有的課程，從基因組學到天文學，從Scala到Python，從機器學習到S?ren Kierkegaard的哲學理論。

我沒有學習捷徑，也沒有導師，所以我只是在探索這個世界，試著找出我想要做些什麼。與此同時(2014年底)，我在機器學習和Apache Spark項目中發現了吳恩達的課程，並在兩周內完成了這門課程，我簡直不敢相信這一領域有多麼驚人。然後我開始編寫我在Scala和Apache Spark中所學到的知識，因此我了解了分散式計算、Hadoop、HDFS以及所有這些偉大的東西。

我的一些早期(不是很好的)機器學習和spark的項目，你可以在我的GitHub上找到它們。

GitHub地址：https://github.com/FavioVazquez

我的第一個數據科學工作

我在2014年獲得了第一份數據科學工作，我是公司里唯一的數據科學家，試圖弄明白我們可以用數據做什麼。在工作中我發現，事情不像在課上學到的那樣簡單！我不再在R中導入Iris數據集，我處理的是奇怪的數據，並且我不知道數據在現實生活中是「骯髒的」。但我一直都在學習。有趣的是，我當時並不確定數據科學是什麼。我主要在Scala和Python中構建了一些簡單的模型。

然後過了一段時間，我意識到我喜歡開源（Open Source）。我開始在一些簡單的項目中進行合作，其中一些項目是我自己的，然後還有一些是Apache Spark這樣的大型項目。有簡單的項目，也有高級的項目，我覺得我是在為社會做貢獻。

宇宙冒險

Roger Penrose的共形循環宇宙學理論

數據科學是繼我對物理學和宇宙學之後的第二次熱情，所以我來到墨西哥做物理學碩士。這是一次令人驚奇的經歷，但仍有一些缺失。我需要代碼!我愛上了編程！

我選修了基礎物理課程，如經典力學，量子力學，但也有數值方法，高性能計算，以及貝葉斯推理和機器學習。在我的論文中，我用Python編寫了很多代碼，所以我很高興。

成為一名數據科學家

當我完成我的碩士學位(2017年)的時候，我決定我想做的是幫助大家成為一名數據科學家。是的，我花了一段時間。

如果你想知道我是如何在這個領域找到一份令人驚嘆的工作的，那就看看我在幾周前做的一篇博客文章:如何找到一份數據科學家的工作?

文章地址：https://towardsdatascience.com/how-to-get-a-job-as-a-data-scientist-f417078fe13e

我也開始在我的LinkedIn上分享我的經歷、想法和知識，這是非常重要的事情。我認識了很棒的人，這對我有很大幫助，現在我也在幫助別人。

LinkedIn地址：https://www.linkedin.com/in/faviovazquez/

每天我學習，代碼，在開源項目中做貢獻，並且幫助人們，所以我對我正在做的事情很滿意。

深度學習呢?

等等，看到現在，你可能想問，這難道不是一個關於深度學習的帖子嗎?

是的，但是我需要告訴你為什麼現在的深度學習對我來說很重要。

作為一名數據科學家，你需要更新理論、技術和框架;因此，去年我們看到了深度學習的爆炸式增長，就在我對機器學習開始適應的時候，這是一個全新的學習方式。

但是，你知道我從哪裡開始的嗎?

是的！正是吳恩達的deeplearning.ai的學習課程。

deeplearning.ai學習地址：https://www.deeplearning.ai/

我真的對他感到驚訝。當我才開始接觸這個領域時，他已經在教授這個領域的課程了。是的，我還在做這些課程。但我並沒有就此止步。我也需要更多的實用信息。

於是我開始學習TensorFlow，然後是Keras。Keras是一個高級的神經網路API，用Python編寫，能夠在TensorFlow、CNTK或Theano上面運行。這是由Fran?ois Chollet開發的，專註於快速的實驗。能夠從想法到結果，再到最少的延遲，是進行良好研究的關鍵。

有很好的學習實踐深度學習的資源，比如GitHub的repos和一些相關書籍。現在我正在閱讀《Deep Learning with Python》這本書，它對我的學習真的很有幫助:

註：這本書有中文版，AiTechYun截取了一些豆瓣網友對此書的評價。

深度學習的未來

預測是一種藝術，它告訴我們將要發生什麼，然後解釋它為什麼沒有發生。

我不知道如何預測未來。但我能說的是，我看到的是什麼，就會發生什麼。

我去年看到的深度學習的最好的東西之一就是Deep Cognition。這是創建和部署人工智慧的一個解決方案。簡單的拖放界面可以幫助你輕鬆地設計深度學習模型。Deep Learning Studio可以自動為你的自定義數據集設計一個深度學習模型，這要歸功於他們的高級的AutoML功能。

Deep Cognition：http://deepcognition.ai/

我認為圖形用戶界面（GUI）和AutoML可以是深度學習的未來。不要誤解我的意思，我喜歡編碼，你也可以在那裡編碼。但我認為，我們明年編寫的代碼數量將會衰減。我們不可能花那麼多的時間在全世界範圍內編程相同的東西，所以我認為GUI和AutoML將幫助數據科學家提高效率和解決更多的問題。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！