发帖
雷达卡
“如果您想学好东西，请解释一下。”
理查德·费曼
什么是TensorFlow？
让我们在TensorFlow.org页面上查找它：“这是适合所有人的端到端开源机器学习平台。” 当TensorFlow 2.0版于2019年问世时，它被认为是朝着AI民主化迈出的重要一步：“现在，任何人都可以把手放在方向盘上！” 当我们一起坐下来起草本系列文章时，我们问自己：“谁是谁？” 我们几乎不认为它是任何人。正如《纽约时报》最近写道：“请停止告诉矿工学习编码。” 很公平。
我们的文章系列：团队，原则和方法
首先，本系列文章由三个人组成的团队共同努力：我们团队中的一名成员具有STEM的背景知识（Richard Sarpong），而我们中的两个人没有背景知识（Ava Dobreva和Rafael Knuth）。我们三个人都是TensorFlow的新手，我们想验证TensorFlow是朝着AI民主化迈出的一大步这一假设。我们如何证明这一假设？通过实验。话虽如此，请考虑将本文视为一系列实验所记录的学习历程。但是，我们不仅仅是跳入任务并“以某种方式”完成了任务。相反，我们使用了一套行之有效的原理和方法来构思本系列。您现在正在阅读的第一篇文章是介绍原理，实践和必要先决条件的介绍。
我们的目标受众：商业用户
我们专注于企业用户。这是我们通过工作非常了解的受众类型。它也是服务欠佳的受众群体。大多数有关编程和机器学习的在线课程都是针对20多岁和30多岁的学生和年轻专业人员的。但是，企业劳动力中的绝大部分是40多岁，50多岁和60多岁。随着我们的社会老龄化，我们的劳动力也越来越老。他们中的很大一部分没有接受正规的STEM教育。
我们针对三个不同的受众：
企业知识工作者，也指公民数据科学家/公民开发人员（该术语是几年前由Gartner创造的）
想了解如何利用人才在组织中应用AI的企业高管
学习与发展和人力资源专业人员寻找创新的提升技能和方法
如果您是学生，年轻专业人员，或者已经具备编程方面的基础知识，那么这种方法可能对您来说太过局限了。但是，如果您是精通技术的业务用户，那么本系列文章将有望很好地适合您。
我们的目标：最快地掌握最低技能
我们是精益创业的从业者。不用说，我们还将精益原理应用于此TensorFlow 2.0学习之旅，例如：
提出假设
通过实验验证假设
采取最小可行的方法来创建结果
最大化客户（读者）的可用性
如果您不熟悉精益创业公司，我们建议您阅读Eric Ries撰写的书。YouTube上还有很多书摘，这是其中的一部，以及与作者的各种谈话。需要明确的是：我们的目标不是立即使任何人成为AI专家。这是一个不现实的目标。相反，我们想展示使用TensorFlow 2.0入门的最快，最简单的方法，从而证明/反驳TensorFlow是朝着AI民主化迈出的重要一步的假设。这是一个重要的区别。成为专家需要花费数年的时间。不过，开始应该花最少的时间。
我们的学习方法：超学习+原子习惯+敏捷冲刺
作为一个由三个具有不同背景的个人组成的团队来撰写本系列文章，我们想知道：“我们应该如何作为一个团队学习？” 找到一种对我们三个人都有效的作案手法是至关重要的因素。我们已经测试了各种方法。超学习和原子习惯与我们产生了很好的共鸣。
超级学习是Scott Young制定的9条原则。这些原则在他的书中，Youtube和Scott Young的网站上的各种摘要中都有描述：“能够快速掌握硬技能对您的工作和生活至关重要。超学习是一种主动进取的自我指导学习策略。” 斯科特年轻做出一个大的举动表明这是可能的一年，而不是四个内得到的只是2000美元麻省理工学院的教育。
超学习倾向于吸引那些每周工作80小时以完成看似不可能的学习努力的寂寞牛仔。那就是我们需要调整的两件事：1.降低超学习的积极性和2.团队友好性。
如果您每周只有5或10个小时学习，该怎么办？在大多数情况下，企业专业人员从事全职工作，并且有孩子的家庭。我们发现James Clear的Atomic Habits（原子习惯）是Ultralearning的完美补充。这是一组通过随时间推移而逐渐变小的习惯性工作来实现目标的方法。您可以在YouTube上找到书籍摘要。
我们以团队为单位实现出色学习成果的公式是：
超学习+原子习惯=原子学习
最后但并非最不重要的一点是，我们将学习工作作为一个敏捷项目进行，我们将其分为每周冲刺和每日站立。我们使用了Jira，Slack和Google文档来组织我们的工作。
我们的工作环境：Google CoLab上的笔记本
我们发现使用TensorFlow时，使用Google CoLab上的笔记本非常容易使用。如果您拥有Gmail帐户，那么与您的Google文档和表格仅一键之遥的Google CoLab环境。如果您是笔记本电脑和Google CoLab的新手，则应该先熟悉Jupyter Notebooks。Google CoLab本质上是存储在您Google云端硬盘中的Jupyter笔记本。
我们建议您使用Google CoLab的主要原因有三个：
在云中；您无需在计算机上安装任何软件（与大多数Jupyter Notebook发行版（例如Anaconda）不同）
您可以将您的工作与Google文档一起整理（与您的学习项目中的其他人协作时，这非常重要）
TensorFlow随时可用（以及许多其他环境）
我们的编程语言：Python
Python是最流行的编程语言之一。要开始使用TensorFlow，您需要了解Python的基础知识。但是，如果您的编程经验为零，则可以通过此4?YouTube初学者教程掌握一些可行的Python编程技能。首先，请写下您的第一个“ hello world！” Google CoLab中的代码行。您的公司可能会利用Microsoft Azure或Amazon AWS，这两个公司都有Jupyter Notebook发行版。但是，我们发现Google CoLab是最直观的环境（将来我们可能会探索不同的基础架构选项）。
我们将在以后的文章中探索更多的Python资源，以帮助您尽快开始使用TensorFlow。
关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
