java程序員如何轉(zhuǎn)向機(jī)器學(xué)習(xí)？程序開(kāi)發(fā)和數(shù)據(jù)建模有很多達(dá)成點(diǎn)和相同點(diǎn)共同點(diǎn)就是都不需要用程序基于所必須的功能作為Java程序員用程序基于功能是和數(shù)據(jù)建模帶有的不同點(diǎn)本質(zhì)程序開(kāi)發(fā)的功能利用相對(duì)流程標(biāo)準(zhǔn)

java程序員如何轉(zhuǎn)向機(jī)器學(xué)習(xí)？

程序開(kāi)發(fā)和數(shù)據(jù)建模有很多達(dá)成點(diǎn)和相同點(diǎn)

共同點(diǎn)就是都不需要用程序基于所必須的功能作為Java程序員用程序基于功能是和數(shù)據(jù)建模帶有的

不同點(diǎn)本質(zhì)程序開(kāi)發(fā)的功能利用相對(duì)流程標(biāo)準(zhǔn)化而數(shù)據(jù)建模更偏問(wèn)題的解決作為java程序員是需要解釋一些數(shù)據(jù)分析建模知識(shí)行業(yè)背景方面的知識(shí)

所以才在轉(zhuǎn)而機(jī)器學(xué)習(xí)做數(shù)據(jù)建模的時(shí)候需要另外一些機(jī)器學(xué)習(xí)具體用法模型的基礎(chǔ)知識(shí)和這些模型還能夠解決的辦法的常規(guī)項(xiàng)問(wèn)題然后進(jìn)一步了解自己所在行業(yè)得出答案自己工作中可以句子修辭哪些模型能解決哪些這個(gè)行業(yè)的瓶頸問(wèn)題

往往逐步轉(zhuǎn)型的人對(duì)知識(shí)的學(xué)習(xí)的很注重但忽略了行業(yè)背景自己的知識(shí)沒(méi)法挺好的和行業(yè)相結(jié)合倒致模型脫離了實(shí)際問(wèn)題沒(méi)法定額模型卻根本無(wú)法真正形象的修辭模型去解決問(wèn)題困難

有哪些最新的機(jī)器學(xué)習(xí)可視化工具？

TensorFlowPlayground最有名的應(yīng)該是TensorFlow（當(dāng)前最流行的機(jī)器學(xué)習(xí)框架）官方的playground：

(全屏截圖）

你可以不選擇類(lèi)型相同的學(xué)習(xí)率、不同的激活函數(shù)、相同的正則化方法、差別的問(wèn)題（分類(lèi)、重臨）、相同的數(shù)據(jù)集、差別的訓(xùn)練集/測(cè)試集比例、不同的噪聲、相同的batchsize、有所不同的特征、差別的追蹤層層數(shù)，并動(dòng)態(tài)實(shí)時(shí)見(jiàn)到變化照成的結(jié)果。以便日后你非常比較直觀地解釋神經(jīng)網(wǎng)絡(luò)的基本概念。

可視化t-SNEt-SNE是可視化高維數(shù)據(jù)的一種方法。GoogleBrain開(kāi)放了一個(gè)可視化t-SNE不同參數(shù)的效果的工具。

(截圖鍵）

這是是為用到GoogleBrain在2016年Distill上發(fā)表的論文《How to Use t-SNE Effectively》開(kāi)發(fā)的可視化工具。

DeepReplay《紐約客》資深經(jīng)驗(yàn)數(shù)據(jù)科學(xué)家DanielGodoy旗下的一個(gè)可視化神經(jīng)網(wǎng)絡(luò)超參數(shù)的工具，目前支持可視化激活函數(shù)，其他超參數(shù)的支持正準(zhǔn)備變更土地性質(zhì)之中。

（圖片來(lái)源：DanielGodoy的博客）

GitHub地址：

RNNVis科技大學(xué)的YaoMing等開(kāi)發(fā)的可視化分析系統(tǒng)，可視化主要用于NLP任務(wù)的RNN網(wǎng)絡(luò)。

（圖片來(lái)源：原論文）