提供良好的深度学习教育

保罗·洛克哈特,哥伦比亚大学的数学博士,曾任布朗教授和K-12的数学老师写的文章影响力数学家的挽歌的梦魇世界里,孩子们是不允许收听或播放音乐,直到他们已经花费了十多年母带音乐符号和理论,消费类移调乐谱变成一个不同的密钥。在美术课上,学生学习的颜色和喷头,但不允许实际作画,直到大学。听起来有些荒谬?这是数学的授课方式,我们要求学生花费数年做死记硬背,学习干,断开的“基本面”,我们要求以后将还清,不久之后他们大多放弃的主题。

不幸的是,这是在几个深学习资源不多的开始,要求学生与黑森州和您的损失函数的泰勒逼近定理的定义沿着沿,而没有给出实际的工作代码示例。我不敲结石。我爱微积分,并还教它在大学,但我不认为这是一个好还是有帮助的介绍深度学习。

So many students are turned off to math because of the dull way it’s taught, with tedious, repetitive exercises, and a curriculum that saves so many fun parts (such as graph theory, counting and permutations, group theory) to so late that everyone except math majors has abandoned the subject. And the gate-keepers of deep learning are doing something similar whenever they ask that you can derive the multivariate chain rule or give the theoretical underpinnings of KL divergence before they’ll teach you how to use a neural net to handle your own projects.

我们将充分利用对教学方法的最佳研究,试图解决这些问题的技术教学,其中包括:

最后,我们要讨论的是良好的教育。这就是我们对最在乎的。这里有更多的我们的良好的教育思想:

良好的教育开头“整场比赛”

正如孩子们有什么棒球的感觉是,他们开始击球练习之前,我们希望你有很深的学问的大局感好你学习微积分和链规则之前。我们会从大局到细节(这是比大多数的教育,它试图教把它们放在一起之前,所有的单个元素相反的方向)移动。对于如何工作的,手表的一个很好的例子杰里米的递归神经网络的通话- 他用3号线RNN开始使用高功能的库中,然后删除该库使用GPU架构建立了自己的架构,然后删除框架,并只使用基本的Python建立在本质细节一切从头开始。

在一个书是激励我们大卫·帕金斯,哈佛大学教育学教授从麻省理工学院人工智能博士学位,来电的没有做任何事情复杂,直到你教过的所有的各个元素第一疾病的方法:“elementitis”。这就像击球练习,而无需知道游戏棒球是什么。这些元素似乎枯燥或毫无意义的,当你不知道他们是如何适应与大画面。而且很难,当你无法工作的问题上保持动力你所关心的,还是有技术细节如何融入整体感。也许这就是为什么研究表明,小学生的内在动力逐步从小学三年级到8年级(年研究的唯一范围)下降。

良好的教育能让你解决自己关心的问题

Whether you’re excited to identify if plants are diseased from pictures of their leaves, auto-generate knitting patterns, diagnose TB from x-rays, or determine when a raccoon is using your cat door, we will get you using deep learning on your own problems (via pre-trained models from others) as quickly as possible, and then will progressively drill into more details. You’ll learn how to use deep learning to solve your own problems at state-of-the-art accuracy within the first 30 minutes of the first lesson! There is a pernicious myth out there that you need to have computing resources and datasets the size of those at Google to be able to do deep learning, and it’s not true.

良好的教育是不是过于复杂。

你看过杰里米实现在Excel现代深度学习的优化方法?如果不,去观看(视频4:50分开始)回来。这通常被认为是一个复杂的话题,但经过几周的工作后,杰里米发现了如何使它变得如此简单,似乎是显而易见的。如果你真正理解了一些东西,你可以用一种容易理解的方式来解释它,甚至可以用Excel来实现它!复杂的术语和迟钝的技术定义是由于懒惰,或者说话者不确定自己在说什么,而隐藏在自己的外围知识之后。

良好的教育是包容。

它不会容忍任何不必要的障碍。It doesn’t make you feel bad if you didn’t start coding at age 12, if you have a non-traditional background, if you can’t afford a mac, if you’re working on a non-traditional problem, or if you didn’t go to an elite college. We want our course to be as accessible as possible. I care deeply about inclusion, and spent months researching and writing each of my widely read articles with实用技巧我们如何能增加多样性在高科技,以及每年花费半教学全栈的软件开发女性全职。目前,深学习更均匀比技术一般的,这是可怕的这样一个强大的影响力和领域。我们要改变这种

良好的教育激励基本技术概念的研究。

有一个大图片的理解,给你更多的框架放置在基本面,看到什么深刻的学习是能够以及如何使用它是越干或繁琐的零件最好的动力。

“打棒球比击球练习更有趣的,玩的音乐作品比练习音阶,并且在历史或数学探究比记忆日期或做款项更有趣一些初级版从事更有趣,写道:”帕金斯。建立一个工作模型您感兴趣更有趣比写一个证明一个问题(对大多数人来说!)

良好的教育鼓励你犯错误。

在里面观看次数最多的TED演讲所有的时间,教育专家肯·罗宾逊爵士认为,通过诬蔑犯错,我们学校系统破坏儿童的先天的创作能力。“如果你没有准备是错误的,你永远不会有独创的东西最终,”罗宾逊说。

使用大量代码的方法教授深度学习互动Jupyter笔记本对于尝试很多事情,犯错误,并轻松改变你正在做什么是伟大的设置。

良好的教育充分利用现有资源

有没有必要到好的已经存在重塑教材。如果你需要刷上矩阵乘法,我们将把你的可汗学院。如果你用X着迷,并希望更深入,我们会建议您阅读Y.我们的目标是帮助你实现你的深度学习的目标,而不是在让你有唯一的资源。

良好的教育鼓励创造力

洛克哈特报价

洛克哈特认为,最好是根本不教数学,而教这样一种混乱的数学形式,使大多数人与数学之美疏远。他将数学描述为一种“丰富而迷人的想象力冒险”,并将其定义为“解释的艺术”,尽管很少以这种方式教授数学。

最大的胜利了深度学习会来,当你把它应用到你是一个专家外域和即将激昂的问题你。这需要你有创意。

良好的教育,教你要问的问题,不只是为了回答

即使是那些谁似乎在传统的教育方法茁壮成长仍然由他们担任不佳。我收到了大部分传统的教育方法(虽然我在所有阶段,特别是在斯沃斯莫尔少数例外教师)。我擅长的学校,一杆进洞的考试,一般喜欢学习。我喜欢数学,马上就要赢得在杜克大学数学博士学位。当我在习题和考试很大,这种传统方法帮了我一个巨大的伤害,当它来准备我的博士研究和我的职业生涯。我不再给被精心制订,教师适当范围的问题。我可以设置为工作在执行任务之前不再好好学习,天天增量构建块。正如帕金斯写到他的奋斗以找到一个很好的论文题目,我也学会了如何解决我得到的问题,而不是如何找到和我本人的范围有趣的问题。我现在看到我以前的学业成功是一个弱点我不得不克服专业。当我开始研究深度学习,我喜欢读的数学定理和证明,但这实际上并没有帮我打造深的学习模式。

良好的教育是有依据

我们爱的数据和科学的方法,我们感兴趣的是已经经过研究的技术。

间隔重复学习就是这样一种有证据支持的方法,学习者会在忘记之前定期回顾一个话题。杰里米使用这种技术取得了令人印象深刻的结果自学中国。具有间隔重复中,我们将重温主题学习,进入越来越低的水平很好地学习燕尾整场比赛的方法,每次的细节,但总是回到大局。