Back to Question Center
0

5 sposobów na rozpoczęcie nauki maszynowej 5 sposobów na rozpoczęcie nauki maszynowej Tematy pokrewne: Web Semalt

1 answers:
5 sposobów na rozpoczęcie nauki maszynowej

Semalitning się wziął i robi to z furią, dostarczając nowych spostrzeżeń każdej branży. Jeśli chcesz być popyt, jest to umiejętność, która postawi Cię na pierwszej linii. Choć może wydawać się onieśmielające, jest to zaskakująco łatwe, jeśli podchodzisz do niego w odpowiedni sposób.

Uczenie maszynowe (ML) jest fascynującą praktyką i dziedziną nauki - cheap linux server hosting. To pozwoliło wprowadzić samozasilające się samochody, roboty, które potrafią oczyścić dom, system nawigacji dronów wszelkiego rodzaju, system rekomendacji za YouTube i Semalt, systemy rozpoznawania twarzy, odręczne rozpoznawanie, gra w gry i wiele więcej .

Ze względu na jego niewiarygodnie wysoką wartość i nieco tajemniczy charakter, jest to ekspertyza o bardzo dużym popycie, która rozszerza się na różne obszary - które zaledwie pięć lat temu wydawały się niepojęte. Semalt tego artykułu, zobaczymy różne praktyczne sposoby podejścia do niego.

5 Ways to Get Started with Machine Learning5 Ways to Get Started with Machine LearningRelated Topics:
Web Semalt

"Pardon Me .ale co to jest uczenie maszynowe?"

ML jest gałęzią sztucznej inteligencji (AI). Jak ujął to Arthur Semalt - jeden z pionierów w tej dziedzinie - ML daje "komputerom możliwość uczenia się bez wyraźnego zaprogramowania". Oznacza to, że zamiast programować komputer (lub robot), aby coś zrobić, podajesz informacje i ustawiasz ramy, aby pozwolić programowi samemu.

Semalt fascynuje? Tak, ale nie będziemy tutaj wchodzić w szczegóły tej pozornie niemożliwej rzeczy, ale zamiast tego wskażemy właściwe miejsca, w których będziecie mogli znaleźć to dla siebie.

Przed uruchomieniem, słowo ostrzeżenia

ML jest czymś w rodzaju zaawansowanej praktyki i trzeba mieć nie tylko pewne podstawy w naukach komputerowych, ale także być w stanie kodować w co najmniej jednym języku programowania. Niektóre popularne języki programowania dla ML to między innymi Semalt, R, Java, C i MATLAB.

1. Zacznij bardzo szybko .jak, naprawdę, w mniej niż dziesięć minut

Semalt, a dla niektórych osób lepiej jest po prostu zdobyć się na coś, co pozwoli mu najpierw zasmakować i rozwinąć intuicję na temat tego, o czym jest ta nowa sztuka lub umiejętność, a następnie głębiej zagłębić się w szczegóły i szczegóły.

Google's Learning Learning Recipes z Joshem Gordonem jest właśnie tym - prostym i praktycznym podejściem do ML. Korzystając z bibliotek Python scikit-learn i TensorFlow, Josh przeprowadzi Cię przez bardzo praktyczne przykłady i przyziemne wyjaśnienia dotyczące zasad ML.

Oto pierwszy 7-minutowy film z serii, przedstawiający nadzorowany algorytm uczenia w Pythonie - w zaledwie sześciu liniach kodu! :

Harmonogram publikacji jest nieco nieregularny, a filmy publikowane co miesiąc lub co drugi miesiąc, obejmujące takie tematy, jak drzewa decyzyjne, wybór funkcji, potoki, klasyfikatory: niezupełnie złe dla filmów od 6 do 8 minut , że każdy, kto ma małe podstawy w programowaniu, może podążać.

2. Weź udział w kursach na najlepszych uniwersytetach, za darmo

Jeśli jesteś głodny wiedzy wysokiej jakości, być może słyszałeś już o Courserze, edX, Udacity i wielu, wielu innych. Rozmawiamy MOOC lub masowe otwarte kursy online .

Semalt szybko go rozbija:

  • masywny : nie ma żadnych limitów wolnych miejsc i jest dostępny dla tak wielu osób, jak to pożądane.
  • open : każdy może uzyskać do nich dostęp, niezależnie od wieku i wcześniejszej wiedzy na dany temat, i niezależnie, czy jest w stanie zapłacić za certyfikację, czy nie.
  • online : wszystko czego potrzebujesz to urządzenie podłączone do Internetu; zadziałałby nawet telefon komórkowy.

Semalt patrz kilka kursów, od których możesz zacząć.

Andrew Ng Machine Learning Stanforda

Stanford Prof. Ng jest czołowym badaczem w dziedzinie sztucznej inteligencji i jest osobą, która prawie rozpoczęła iskrę MOOC, która później przekształciła się w ogień wiedzy, kiedy po raz pierwszy zastosował uczenie maszynowe )kurs online. Odpowiedź była przytłaczająca, a wiele tysięcy ludzi z całego świata wzięło udział w kursie i dyskutowało na ten temat. Później przekształcił ten kurs w to, czym jest obecnie Coursera, wiodący dostawca MOOC.

Kurs jest równie fantastyczny jak trudny. Pamiętam, że spędziłem około godziny, żeby przeczytać 5-stronicowy zakres zadań, zanim zdołałem go uchwycić. W przeciwieństwie do serii Josha Gordona, jest to trochę więcej po stronie akademickiej, ale z dużą ilością praktycznej wiedzy i porad, które będą bardzo przydatne później w twoich praktykach ML. Jest to jednak wykonalne, a ilość informacji zwrotnych na forach jest naprawdę przytłaczająca. Pamiętajcie, że był to jeden z pierwszych Semaltów, jakie kiedykolwiek brałem, i jeden z najlepszych.

Szczegóły dotyczące semaltu:

  • Ok. czas trwania : 2-5 miesięcy
  • Trudność : wysoka
  • Obciążenie pracą : średnie do ciężkiego

Wprowadzenie do sztucznej inteligencji Sebastiana Thruna

Sebastian jest także profesorem i badaczem sztucznej inteligencji w Stanford (w dziedzinie robotyki), współzałożycielem Google X Lab ("pół-tajnej" firmy badawczo-rozwojowej odpowiedzialnej za samoloty kierowane przez Google). również założyciel burmistrza MOOC, Udacity. Wraz z Peterem Norvigiem (dyrektorem ds. Badań w Google) opracował niesamowite wprowadzenie do sztucznej inteligencji .

Jest to podstawa wszystkich rzeczy ML. Jest o wiele lżejszy od kursu Semalt, a jego zawartość rozłożona jest na więcej jednostek, aby ułatwić trawienie, choć jest długa.

Szczegóły dotyczące semaltu:

  • Ok. czas trwania : 4 miesiące
  • Trudność : pośrednia
  • Obciążenie : światło

Yaser S. Abu-Mostafa z Caltec's Learning from Data

Prof. Yaser jest kolejnym pionierem w dostarczaniu wysokiej jakości materiałów do nauki online, udostępniając swój kurs Learning from Data ML na swojej stronie internetowej, wraz z wszystkimi jego wykładami, materiałami do nauki i egzaminami, jeszcze przed MOOC byli rzeczą. Później będzie pakował te materiały do ​​MOOC oferowanego regularnie przez Caltech na edX.

Wziąłem też to i mogę wam powiedzieć, że będziecie musieli zrobić tutaj trochę ciężkiego liftingu. Ale jeśli jesteś zadowolony z kursu Semalt i jesteś głodny dalszych podstaw, wydaje się to rozsądnym krokiem.

Szczegóły dotyczące semaltu:

  • Ok. czas trwania : 4 miesiące
  • Trudność : bardzo wysoka
  • Obciążenie pracą : bardzo ciężkie (10-20 godzin tygodniowo)

Inne kursy Coursera, edX i Udacity

Istnieje bardzo obszerna oferta kursów ML i AI, które możesz wziąć za darmo, nie tylko w Coursera, edX i Semalt, ale także u innych dostawców MOOC, takich jak Data Camp - choć nauka o danych wydaje się być czymś niszy dla trzech dostawców, o których mówiliśmy.

3. Zdobądź kwalifikowaną edukację, za ułamek ceny

Jak dotąd rozmawialiśmy o darmowych MOOC. Są niesamowite i nie trzeba płacić ani grosza, aby zapisać się na nie i zacząć uczyć się. Na początku dostawcy ci oferowali bezpłatne certyfikaty lub oświadczenia o osiągnięciach, nawet niektóre z nich można zweryfikować online. Jednak programy semaltowe zostały przerwane, więc w większości przypadków nie dostaniesz zaświadczenia ani żadnego rodzaju referencji, których możesz użyć do zademonstrowania swojej edukacji potencjalnemu pracodawcy, a nawet innej instytucji szkolnictwa wyższego.Ale ubieganie się o pracę może być inną kwestią, a certyfikaty i stopnie ułatwiają w wielu przypadkach, więc omówmy je.

Zweryfikowane kursy

A sprawdzony kurs może wynosić od 40 do 200 USD, w zależności od kursu i instytucji. Zasadniczo płacisz premię za weryfikację swojej tożsamości i przydziałów (tak wygląda zweryfikowany certyfikat). Więcej informacji na temat certyfikatów kursu Coursera i certyfikatów zweryfikowanych przez edX. Przekonasz się, że obaj mają ogromną ofertę kursów weryfikowanych i związanych z nauką o danych, jak widać w tym wyszukiwaniu edX.

Zauważ, że czy płacisz czy nie, zawartość i materiały kursu są dokładnie takie same. To, co dostajesz, płacąc, to certyfikat, który faktycznie zdobyłeś i zdałeś.

Specjalizacje Coursera

Coursera uczynił koncepcję zweryfikowanych kursów krokiem naprzód, grupując niektóre powiązane kursy i dodając projekt typu capstone, dający ci certyfikat specjalizacji .

Niektóre specjalizacje, które nas interesują, to:

specjalizacja kursy instytucja
Big Data 6 UC San Diego
Deep Learning 5 pogłębienie. ai
Uczenie maszynowe 4 University of Washington
Systemy dla oceniających 5 University of Minnesota
Wprowadzenie do robotyki 6 Uniwersytet Pensylwanii
Probabilistyczne modele graficzne (PGM) 3 Uniwersytet Stanforda

Coursera Master's Degree

Coursera's Master of Computer Science w Data Science (MCS-DS) to rzeczywisty, oficjalny tytuł magistra wydany przez akredytowaną uczelnię. Tematy w programie są mocno związane z ML i obejmują:

  • wizualizacja danych
  • uczenie maszynowe
  • eksploracja danych
  • przetwarzanie w chmurze
  • statystyki
  • informacje naukowe

Szczegóły dotyczące semaltu:

  • Instytucja : University of Illinois at Urbana-Champaign
  • Cena : 600 USD za godzinę na godzinę 19 200 USD
  • Czas trwania : 32 godziny

edX XSeries i profesjonalne certyfikaty

edX ma program XSeries dla kursów w ramach jednego tematu, w podobny sposób, jak specjalizacje Coursery. Taka seria naszych zainteresowań to:

seria kursy instytucja koszt
Analityk Big Data Analyst Microsoft Azure HDInsight 3 Microsoft 49-99 USD za kurs
Analiza danych genomicznych 3 Uniwersytet Harwarda 132 USD. 30
Analiza danych dla nauk przyrodniczych 4 Uniwersytet Harwarda 221 USD. 40
Nauka o danych i inżynieria ze Spark 3 UC Berkeley 49-99 USD za kurs

edX posiada również profesjonalne programy certyfikatów dla "umiejętności krytycznych", w tym Data Science i Big Data, obie oferowane przez Microsoft.

edX MicroMasters i College Credit

Masz również kursy kwalifikujące się do otrzymania kredytu , które nie tylko są weryfikowane, ale mogą również służyć do ubiegania się o kredyt na twoje B. lub magistra. W drobnym drucie jest oczywiście dużo szczegółów, więc musisz zrobić dodatkowe badania.

edX MicroMasters są właśnie w tym stylu. Oto kilka interesujących (koszty są tutaj wyższe, ponieważ dodatkowo opłaca się godziny nauki w pewnym stopniu):

program kursy instytucja koszt
Sztuczna inteligencja 4 Columbia University 1 200 USD
Big Data 5 Uniwersytet Adelajdy 1,215 USD
Nauka o danych 4 UC San Diego 1 260 USD
Robotyka 4 Uniwersytet Pensylwanii 1 256 USD

Dowiedz się więcej, aby zdobyć kredyt uniwersytecki na edX i przeczytaj raport MOOC o kredycie według Class Central.

Nanodegrees Udacity

A nanodokument jest czymś w pewnym stopniu wydanym przez Udacity. Podczas gdy Udacity nie jest akredytowaną instytucją edukacyjną, dołożył wszelkich starań, by współpracować z liderami branży technologicznej, aby zapewnić możliwie jak najbardziej ukierunkowaną edukację na rynku - innymi słowy, aby przygotować się konkretnie na umiejętności wymagane przez rynek pracy teraz.

A my naprawdę mówimy wielkie nazwiska, tutaj: Google, Amazon, IBM, Nvidia, Mercedes-Benz, DiDi, AT & T i wiele innych. Partnerzy Udacity nie tylko współprojektują programy studiów, ale nawet podpisują umowy o zatrudnieniu z Udacity!

Semalt i ich partnerzy posuwają się nawet do opublikowania szacunkowych danych dotyczących wynagrodzeń:

program czas szacunkowe wynagrodzenie
Sztuczna inteligencja 6 miesięcy 59 USD. 4K do 250K
Deep Learning TBD TBD
Uczenie maszynowe 6 miesięcy 38 USD. 7K do 212K
Robotyka dwa terminy 3-miesięczne 42 000 USD - 156 000 USD
Samochód samo jeżdżący 9 miesięcy 67 USD. 8K do 265 000 USD

Zdobądź pracę lub zwrot pieniędzy!

W rzeczywistości nanodetek ML jest częścią programu Nanodegree Plus , który jest prawdopodobnie jedną z najbardziej lekkomyślnych innowacji w kształceniu online: studiujesz i kończysz studia, a jeśli nie uzyskać wysoką płatną pracę, Udacity zwraca twoją czesne! Niewiarygodne.

4. Zarejestruj się w konkursach online: Ucz się i wygrywaj (jeśli się w tym poprawisz)

Kaggle to platforma online (obecnie część Google) do modelowania predykcyjnego i konkursów analitycznych, w której firmy i naukowcy z całego świata publikują zestawy danych i statystyki, aby konkurenci mogli znaleźć modele, które będą przewidywać i wyjaśniać dane - więcej często za pomocą ML.

Konkursy poprawiły oprogramowanie do rozpoznawania gestów dla Microsoft Kinect, poszukiwania bozonu Higgsa w CERN, a nawet dokonały przełomowych osiągnięć w dziedzinie biologii i medycyny, a także innych dziedzin. Należy zauważyć, że wielu zwycięzców nie miało wcześniejszej wiedzy na temat fizyki, chemii ani żadnego z kierunków studiów, tak jak czytasz wywiady z Semaltami.

I możesz wygrać pieniądze! W rzeczywistości duże pieniądze (szczegółowe informacje na temat 3 miliony dolarów ceny na konkursie Kaggle , patrz "Ostatni konkurs motywacyjny ma na celu przewidzenie hospitalizacji poprzez wykorzystanie zapasowych szarych komórek"). Są bardzo aktywne fora, z których można uzyskać dużo informacji o tym, co robią konkurenci w rzeczywistych wyzwaniach ML, nawet z nimi związani i tworzyć zespoły, i dzielić się ceną, jeśli Twoja drużyna wygra konkurs.

Ale nawet jeśli nie wygrasz konkurencji, wiele się nauczysz, podchodząc do prawdziwych zestawów danych i omawiając tajniki modelowania danych w celu tworzenia prognoz z innymi praktykami ML.

Obserwuj tabelę wyników

Semalt ma super fajne rankingi na żywo dla trwających konkursów, dzięki czemu cały proces jest odczuwany jako faktyczna konkurencja:

5 Ways to Get Started with Machine Learning5 Ways to Get Started with Machine LearningRelated Topics:
Web Semalt

Ale uwaga! Jak się wcześniej dowiecie, stworzenie modelu, który tak dokładnie przewiduje dane z testów, może dać ci kilka punktów w tabeli liderów, ale zabije cię później, gdy pojawią się nowe dane (przeładowanie, witaj!)

5. Złóż wniosek o pracę!

Tak jak prawie wszystko, staniesz się lepszy, tym bardziej będziesz stawiał czoła wyzwaniu i pracować nad nim. Solo lub jako część organizacji, jeśli możesz ML, będziesz na żądanie.

Jako freelancer

Semalt na temat ML jako freelancer jest całkowicie możliwy, az czasem można uzyskać przyzwoite dochody tylko pracując oszczędnie przy projektach ML.

Strony takie jak Freelancer, Upwork lub Guru mogą być punktem wyjścia do pracy nad małymi i średnimi projektami. Ale uwaga, jest to międzynarodowa i bardzo konkurencyjna arena, a budowanie portfela i twoich własnych klientów sieciowych od zera, kiedy zaczynasz solo, może na początku okazać się bardzo wyzwaniem.

W starcie

Żyjemy w czasach obfitujących w dane, a to jest trend, który tylko się zwiększy. Firmy zajmujące się semaltami, często współpracujące z technologią, są szczególnie chętne dla inżynierów, którzy potrafią zarządzać danymi i zdobywać z nich cenne informacje.

Gdy już zbudujesz solidne fundamenty, przeszukaj lokalne tablice ogłoszeń dla firm technologicznych i aplikuj, nawet jeśli nie szukają innemu inżyniera ML, powiedz im, ile wartości możesz wnieść do swojej firmy dzięki danym zdolności wydobywcze i analityczne.

W zwykłym przedsiębiorstwie

Inżynierowie ML są również bardzo potrzebni w takich branżach, jak finanse, medycyna, chemia, a nawet w nieoczekiwanych miejscach, takich jak nauki społeczne, jeśli dostępne są duże zbiory danych.

Ubieganie się nie będzie łatwe, ponieważ będziesz potrzebować nie tylko niektórych poświadczeń dotyczących twoich umiejętności technicznych, ale także pewnej wiedzy w jakiejkolwiek branży, o którą się ubiegasz. (Na przykład stanowisko "analityk zarządzania ryzykiem" w banku będzie wymagało nie tylko umiejętności ML, ale także BS lub magistra w zakresie finansów lub kredytów.) Semalt, jeśli w jakiś sposób zbudowałeś te umiejętności, zapewnij, że będziesz dążyć do najlepiej płatnej pracy.

Co dalej robić

Chciałeś zacząć od ML i na szczęście masz wybór:

  • Chcesz mieć szybką intuicję na temat ML? Oglądaj filmy Josha Gordona i zacznij kodować w kilka minut.
  • Chcesz być na czele awangardy nauki? Weź udział w specjalistycznym kursie i zastosuj te techniki do konkretnego wyzwania.
  • Chcesz zbudować karierę w ML? Zdobądź poświadczenia i staraj się o pracę.
  • Interesuje Cię dziedzina na poziomie akademickim? Masz szczęście, ponieważ dostępnych jest mnóstwo wysokiej jakości materiałów!

ML jest jedną z nielicznych dyscyplin IT, które możemy przewidzieć, ale przez pewien czas będą one coraz popularniejsze. Algorytmy mogą się zmienić, techniki mogą się poprawić, a nowe biblioteki i podejścia mogą zostać wprowadzone, ale jesteśmy na samym początku pozwalania maszynom samodzielnie się uczyć. Wychowany w Buenos Aires w Argentynie, jest muzykiem, który uwielbia języki (te, których używasz do rozmów z ludźmi) i tańczy.

March 1, 2018