java程序員如何轉(zhuǎn)向機(jī)器學(xué)習(xí)？程序開發(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)沒法挺好的和行業(yè)相結(jié)合倒致模型脫離了實(shí)際問題沒法定額模型卻根本無法真正形象的修辭模型去解決問題困難

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、差別的問題（分類、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。

（圖片來源：DanielGodoy的博客）

GitHub地址：

RNNVis科技大學(xué)的YaoMing等開發(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)。

（圖片來源：原論文）