Digest | 斯坦福机器学习课程介绍

Leahy_
359 阅读8分钟

一份2021年03月24日的信息流提炼

原发布地址：Digest | 斯坦福机器学习课程介绍

每天学点机器学习

斯坦福机器学习课程 1.介绍

Machine Learning ｜Offered By Standford

AI应用举例
  • 数据挖掘 （用户大数据分析，生物学，医学, etc.）
  • 无法手工产出的应用（自动驾驶，手写文字识别，NLP，computer viesion）
  • 服务定制系统（各种用户推荐系统）
机器学习定义

Arthur Samuel(1959) Machine Learning: Field of study that gives computers the ability to learn without being explicitly programmed.

Arthur Samuel(1959) :赋予计算机在没有明确编程的情况下学习能力的研究领域。

Tom Mitchell (1998) Well-posed Learning Problem: A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.

I actually think he came out with this definition just to make it rhyme. For the checkers playing examples, the experience E would be the experience of having the program play tens of thousands of games itself.

Tom Mitchell (1998) : 如果一个计算机程序在T上的表现，如P所衡量的那样，随着经验E的提高而提高，那么就可以说它从经验E中学习。

其实我觉得他出这个定义只是为了让它押韵。对于下跳棋的例子，经验E是让程序自己下几万盘棋的经验。任务T是下跳棋的任务，而性能衡量指标P是在下一局跳棋中与某个新对手对弈时获胜的概率。

有监督学习(Supervised Learning)

We also talked about the regression problem, and by regression that means that our goal is to predict a continuous valued output. We talked about the classification problem where the goal is to predict a discrete value output.

回归是指目标是预测一个连续值的输出 。 e.g. 根据大小预测房价

分类问题目标是预测一个离散值的输出。e.g. 根据年龄和肿瘤大小，预测肿瘤为良性(benign)还是恶性(malignant)。

无监督学习 (Unsupervised Learning)

应用例子

  • 组织计算集群 Organize computing clusters
  • SNS分析 Social network analysis
  • 市场细分 Market segmentation
  • 天文数据分析 Astronomical data analysis

聚类。把100万个不同的基因集合起来 找到一种方法来自动把这些基因分成不同的组，这些组通过不同的变量，如寿命、位置、角色等，以某种方式相似或相关。

e.g. news.google.com/

非聚类。"鸡尾酒会算法 "允许你在混乱的环境中找到结构。(即从鸡尾酒会的网状声音中识别出个别的声音和音乐)。

鸡尾酒会问题算法 Cocktail party problem algorithm

[W,s,v] = svd((repmat(sum(x.*x,1),size(x,1),1).*x)*x');

SVD: 奇异值分解(singular value decomposition)

Prototyping Tool: Matlab/Octave

课件链接

每天学点算法

Given an array of time intervals (start, end) for classroom lectures (possibly overlapping), find the minimum number of rooms required. For example, given [(30, 75), (0, 50), (60, 150)], you should return 2.

给定课堂授课的时间间隔（开始、结束）数组（可能重叠），求所需的最小房间数。例如，给定[（30，75），（0，50），（60，150）]，应该返回2。

参考：Snapchat Coding Interview Questions

LeetCode – Meeting Rooms II (Java)

我们编写minRooms(intervals)函数，根据时间间隔以二维数组的方式呈现，返回所需的最小房间数。

  • 当一个新的会议开始时，我们需要一个额外的房间。
  • 当一个会议结束时，我们不需要那个房间了优先考虑较小的开始或结束时间，如果开始时间和结束时间相等，结束时间优先。
minRooms = function(intervals){
  const startingTimes = [];
  const endingTimes = [];
  
  for (let i = 0; i < intervals.length; i++){
    const [startTime, endTime] = intervals[i];
    
    startingTimes[i] = startTime;
    endingTimes[i] = endTime;
  }
  
  startingTimes.sort((a, b) => a - b );
  endingTimes.sort((a, b) => a - b );
  
  // When a new meeting starts, we need and additional room.
  // When a meeting ends, we dont need that room anymore prioritize the smaller starting or ending time
  // if the start time and end time are equal, end time comes first
  
  let sIdx = 0;
  let eIdx = 0;
  let maxRooms = 0;
  let currRooms = 0;
  while (sIdx < startingTimes.length || eIdx < endingTimes.length){
    //dont need to traverse through the ending itmes if all the starting time rooms are used
    if (sIdx >= startingTimes.length) break;
    if (startingTimes[sIdx] < endingTimes[eIdx]) {
      currRooms++;
      sIdx++;
    } else {
      currRooms--;
      eIdx;
    }
    maxRooms = Math.max(maxRooms, currRooms);
  }
  return maxRooms;
}

console.log(minRooms([[30, 75],[0,50],[60, 150]]))

其他值得阅读

7条非常规的编码建议

原文：7 Unconventional Pieces of Coding Advice

  • 没有完美的编码方式，只有首选的编码方式。| There Is No Perfect Way To Code, Only the Preferred Way To Code
  • 适应让简洁编码清晰 | Acclimation Made Simple Concise Coding Clear
  • 优先选择Git注释，而不是代码注释或没有注释。 | Prefer Git Comments Over Code Comments or No Comments
  • 代码的可维护性不在于它能持续多久，而在于它能多容易地被修改或删除。 | the Maintainability of Code Is Not How Long It Can Last, but How Easily It Can Be Changed or Removed
  • 用独立依赖的方法设计软件。| Design Software Using an Independently Dependency Approach
  • 预防不一定比修复好。 | Prevention Is Not Always Better Than Cure

在CSS中处理图片上的文字

原文: Handling Text Over Images in CSS

img
渐变叠加

当渐变下文字并不清晰时。利用改变渐变的高度可以帮助深色渐变覆盖更多的区域。

给.card__content元素加上min-height。 Flexbox来将内容推到底部。

.card__content {
  position: absolute;
  /* other styles (left, top, right, and padding) */
  display: flex;
  flex-direction: column;
  justify-content: flex-end;
  background: linear-gradient(to top, rgba(0, 0, 0, 0.85), transparent);
}
/*Another solution*/
.card__content {
  position: absolute;
  padding-top: 60px;
  background: linear-gradient(to top, rgba(0, 0, 0, 0.85), transparent);
}
缓和渐变（Easing）

如果你仔细观察，会发现渐变结束的地方很明显，这就造成了一种叫做硬边的东西。为了让这个效果更好，我们可以将缓和概念应用到渐变中。这样一来，渐变就会显得更加自然，而且你也不会注意到它最后的硬边。

.card__content {
  background-image: linear-gradient(
    0deg,
    hsla(0, 0%, 35.29%, 0) 0%,
    hsla(0, 0%, 34.53%, 0.034375) 16.36%,
    hsla(0, 0%, 32.42%, 0.125) 33.34%,
    hsla(0, 0%, 29.18%, 0.253125) 50.1%,
    hsla(0, 0%, 24.96%, 0.4) 65.75%,
    hsla(0, 0%, 19.85%, 0.546875) 79.43%,
    hsla(0, 0%, 13.95%, 0.675) 90.28%,
    hsla(0, 0%, 7.32%, 0.765625) 97.43%,
    hsla(0, 0%, 0%, 0.8) 100%
  );
}
垂直渐变
background: linear-gradient(
  to right,
  hsl(0, 0%, 0%) 0%,
  hsla(0, 0%, 0%, 0.964) 7.4%,
  hsla(0, 0%, 0%, 0.918) 15.3%,
  hsla(0, 0%, 0%, 0.862) 23.4%,
  hsla(0, 0%, 0%, 0.799) 31.6%,
  hsla(0, 0%, 0%, 0.73) 39.9%,
  hsla(0, 0%, 0%, 0.655) 48.2%,
  hsla(0, 0%, 0%, 0.577) 56.2%,
  hsla(0, 0%, 0%, 0.497) 64%,
  hsla(0, 0%, 0%, 0.417) 71.3%,
  hsla(0, 0%, 0%, 0.337) 78.1%,
  hsla(0, 0%, 0%, 0.259) 84.2%,
  hsla(0, 0%, 0%, 0.186) 89.6%,
  hsla(0, 0%, 0%, 0.117) 94.1%,
  hsla(0, 0%, 0%, 0.054) 97.6%,
  hsla(0, 0%, 0%, 0) 100%
);
混合纯色和渐变色

我是从Netflix网站了解到这个模式的。在非登录用户的主页上，有一个大背景图的标题。

<div class="hero">
  <img src="cover.jpg" alt="" />
  <div class="hero__content">
    <h2>Unlimited movies, TV shows, and more.</h2>
    <p>Watch anywhere. Cancel anytime.</p>
  </div>
</div>

<style>
.hero:after {
  content: "";
  position: absolute;
  left: 0;
  top: 0;
  width: 100%;
  height: 100%;
  background-color: rgba(0, 0, 0, 0.4);
  background-image: linear-gradient(
    to top,
    rgba(0, 0, 0, 0.8),
    rgba(0, 0, 0, 0) 60%,
    rgba(0, 0, 0, 0.8) 100%
  );
}
</style>

如何给A.I.赋予意识

原文：How to Give A.I. a Pinch of Consciousness

世界上最重要的A.I.专家之一，魁北克人工智能研究所Mila的创始人Yoshua Bengio同样对A.I.中的意识非常着迷，他用开车的比喻来描述意识和无意识行为的切换。 "当你学习如何开车时，开始是由意识控制的，然后，经过一些练习，大部分工作都是在无意识层面上完成的，你可以在开车时进行对话，"他通过电子邮件解释道。

哲学家丹尼尔-丹尼特（Daniel Dennett）一生中大部分时间都在思考什么是意识，什么不是意识，他认为我们不会很快看到机器发展出这种意识水平--甚至在50年内也不会。他和其他人都指出，我们今天能够制造的A.I.s似乎没有半点我们认为对意识至关重要的反思性思维或意识。 不过，正是在寻找一个确实具备这些属性的系统时，神经科学和人工智能研究之间可能会发生深刻的交叉。目前，意识仍然是科学的一大谜团。没有人知道它到底和大脑中的什么活动联系在一起，尽管科学家们逐渐发现，某些神经连接似乎和它有关。一些研究人员发现，大脑活动中的振荡似乎与特定的意识状态有关--如果你愿意的话，这是清醒的信号。 牛津大学计算机科学研究助理卡米洛-米格尔-西诺雷利（Camilo Miguel Signorelli）建议，通过在机器中复制这种活动，我们或许可以让它体验到有意识的思想。 他提到了《Ex Machina》中机器人的液体 "wetware "大脑，这是一个基于凝胶的神经活动容器。"我必须摆脱电路，我需要一些能够在分子水平上进行排列和重新排列的东西"奥斯卡-艾萨克的角色解释说，他创造了一个有意识的机械人。 "在一个有意识的机器中错误地制造痛苦的风险是我们需要避免的。" "这将是一个理想的实验系统，"Signorelli说，因为一个流体的、高度可塑性的大脑可能会被配置成经历意识形成的神经振荡--类似于我们在人类大脑中看到的活动波。 必须说，这是高度推测性的。然而，它提出了一个问题，即意识（我们所经历的）是否可能需要完全不同的硬件才能在机器中产生。即使有一天我们真的成功地确认了意识在计算机中的存在，Signorelli也说，我们很可能对它没有真正的权力。 "可能我们会得到另一种动物，类似人类的意识，但我们无法控制这种意识。"他说。 正如一些人所认为的那样，这可能会使这样的人工智能变得危险和不可预测。但是，一个被证明无害的意识机器仍然可能引发伦理上的疑惑。如果它感到痛苦、绝望或可怕的混乱状态怎么办？ 剑桥大学研究人类大脑活动和意识的博士生Andrea Luppi说："在意识机器中错误地制造痛苦的风险是我们需要避免的"。 在我们真正需要努力解决这类问题之前，可能还需要很长一段时间。但人工智能研究正越来越多地借鉴神经科学和关于意识的想法，以追求更强大的系统。

一点收获

  • Chrome长截图：打开开发者工具，Cmd + Shift + P 运行命令「Capture full size screenshot」
avatar
文章
阅读
粉丝