Понимание генетических алгоритмов и другого машинного обучения, с чего начать?

Для начала я должен предоставить краткое изложение того, почему я спрашиваю об этом. В настоящее время я учусь в университете, получаю последнюю степень с отличием в области дизайна цифровых медиа. В последнее время я очень заинтересовался искусственным интеллектом и хочу включить в это задание несколько отличных вещей.

Основная тема, которую я хочу осветить, — это эмерджентное поведение, которое будет визуально сообщаться пользователю по мере его взаимодействия с этим проектом. Во всяком случае, я читал отличный текст Стивена Марсленда под названием «Машинное обучение». Я пока не могу притворяться, что много знаю об этих темах, но мне кажется, что это руководство для среднего уровня многих тем и методов машинного обучения.

Машинное обучение, Стивен Марсланд

Я просматривал книгу стратегически от корки до корки и нахожусь примерно на полпути. Я узнал о нейронных сетях, таких как многоуровневое восприятие и радиальные базовые сети, которые используются для решения линейных задач, задач классификации и временных рядов/ситуаций. Затем я боролся с некоторыми идеями о машинах опорных векторов и постепенно начал разбираться в многомерности и трюках с ядром.

Тем не менее, теперь все становится грустно, я начинаю затягивать себя с некоторым содержанием, и я действительно изо всех сил пытаюсь сохранить сознательное понимание представленных методов и математики. Более того, когда я пытаюсь запрограммировать примеры, мне требуется все больше и больше времени, чтобы собрать воедино пробелы (так сказать). Теперь я не ищу простого, трудного и быстрого выхода, но я также осознаю время, которое у меня осталось, чтобы собрать этот проект воедино.

Если у кого-то еще был подобный опыт, который сейчас находится на другой стороне, не могли бы они поделиться со мной мнением о паре вещей. Не могли бы вы предложить сразу перейти к генетическим алгоритмам и вернуться к другим темам, когда я наберусь опыта, или это будет неуправляемо? Или, может быть, другая хорошо работающая тема, ведущая к генетическим алгоритмам? У меня неплохое понимание математики и концепций программирования, но я полностью самоучка (моя степень сосредоточена на дизайне, а не на компьютерных науках и разработке программного обеспечения).

И, возможно, если да, есть ли какие-либо ресурсы, которыми вы могли бы поделиться со мной, или фрагменты советов? Буду очень признателен, и всем заранее спасибо.

TL;DR Нужен толчок в правильном направлении с помощью генетических алгоритмов для проекта эмерджентного поведения. Пожалуйста, поделитесь любыми хорошими ресурсами.

(Извините за длинный вопрос, первый раз спрашиваю).


person rykardo    schedule 18.07.2011    source источник
comment
НП, отличный вопрос.. хотя он совершенно не по теме ;). Несмотря на то, что я был на дне тотема, я работал в компании, занимающейся машинным обучением, которой посчастливилось быть приобретенной Google. Так что я прекрасно понимаю ваше увлечение этой темой. В любом случае ознакомьтесь с ресурсами в моем ответе, они, вероятно, направят вас в правильном направлении.   -  person Chamilyan    schedule 17.08.2011


Ответы (4)


Я рекомендую вам книгу Тоби Сегарана: Программирование коллективного разума.
На самом деле, она не содержит большого количества академических знаний (с огромными страшными уравнениями и кучей математики), а содержит настоящие буквари, которые могут вам помочь. интуитивно чувствовать алгоритмы ML.

person om-nom-nom    schedule 18.07.2011
comment
О, отлично, я посмотрю, смогу ли я найти его в библиотеке в городе. Спасибо за это. Часто ли вы чувствуете себя довольно потерянным, касаясь таких тем? Мне кажется, что я осваиваю это, но также могу учиться на неверных предположениях, которые делаю. В любом случае, еще раз спасибо. - person rykardo; 18.07.2011
comment
(Извините, я забыл принять ответ на это, только что сделал это сейчас: P) - person rykardo; 17.08.2011

Вам может быть интересно это

http://www.ml-class.org/

.. с веб-сайта

Смелый эксперимент в области распределенного образования, «Машинное обучение», будет предлагаться студентам по всему миру бесплатно и онлайн в течение осени 2011 года. Студенты будут иметь доступ к лекционным видео, конспектам лекций, получать регулярные отзывы о прогрессе и получать ответы на вопросы. Когда вы успешно закончите класс, вы также получите отчет о достижениях. Учебная программа, которую преподает профессор Эндрю Нг, основана на популярном курсе Стэнфордского машинного обучения. Учебный план и дополнительная информация доступны здесь. Зарегистрируйтесь ниже, чтобы получать дополнительную информацию об участии в онлайн-версии, когда она станет доступна.

и, возможно, даже лучшим ресурсом может стать собственный сайт вопросов и ответов StackExchanges по машинному обучению, за которым вы можете следить чтобы оторваться от земли.

или некоторые из этих существующих спутниковых сайтов вопросов и ответов по машинному обучению

http://CrossValidated.com (в стеке)

http://metaoptimize.com/qa/

person Chamilyan    schedule 17.08.2011
comment
Эй, этот класс ML выглядит действительно здорово! В настоящее время я связан с другой степенью, но я проверю ее, как только закончу. В любом случае, большое спасибо за то, что разместили эти ссылки, я не знаю, почему мне не удалось наткнуться на них раньше ... думаю, я мог бы немного раздать CrossValidated. Еще раз спасибо, чувак. - person rykardo; 18.08.2011

Это специфично для генетического программирования, но я думаю, что все еще довольно полезно, потому что различия не такие большие. Он даже доступен бесплатно: http://www.gp-field-guide.org.uk/< /а>

person tObi    schedule 11.03.2012

Если кто-то еще интересовался подобными вещами, я нашел несколько интересных ресурсов в Интернете.

Во-первых, форум искусственной жизни под названием FreshSim, у которого есть хорошая пользовательская база и дружелюбные люди. На форуме обсуждаются всевозможные алгоритмы жизни.

Также я нашел структуру для моделей на основе агентов, которые, как правило, представляют собой крупномасштабные программы для повседневной жизни, называемые Рой.

person rykardo    schedule 23.07.2011