Nézzünk szembe a tényekkel – a gépi tanulás már egy ideje forró téma, és ennek jó oka van – segít előre jelezni a jövőbeli viselkedést, megőrzi e-mailjeink spammentességét, és a múltbeli tetszés szerint filmeket ajánl nekünk.
A lehetőségek végtelenek, a fizetések kiválóak, és a legtöbbször nem is érzi magát munkának a sok szórakozás miatt. De hogyan tanulhatja meg a gépi tanulást ésszerű időn belül előzetes tapasztalat nélkül? Olvass tovább, hogy megtudd.
Az első lépés ugyanaz lesz, függetlenül a hátterétől. A gépi tanulás nem korlátozódik csak a matematikai Ph.D-kra. Nincs Ph.D. matekból sem tartom magam kivételesen okosnak – egy dolog azonban, hogy keményebben dolgozom, mint bárki más, akit ismerek.
A felsőfokú végzettség mit sem ér, ha nem vagy hajlandó beletenni a munkát.
Ennek ellenére először alaposan és objektíven ellenőriznie kell jelenlegi helyzetét. Kérdezd meg magadtól a következőket:
- Mennyire jók a programozási készségeim?
- Mikor végeztem utoljára matematikát és statisztikát?
- Mennyi időt vagyok hajlandó rászánni?
Ha megvan a válasz a fenti kérdésekre, és arra a következtetésre jutott, hogy egy-két területet újra kell vizsgálni, kérjük, olvassa el az egyik régebbi, az adattudományi előfeltételekről szóló cikkemet:
Vegye figyelembe, hogy nem kell szakértőnek lennie egyik területen sem ahhoz, hogy alkalmazott gépi tanulást végezzen. Csak legyen jobb programozásban, mint egy átlagos matematikus, és jobb matematikában, mint egy átlagos programozó. Ez az aranyszabály.
Rendben, még mindig itt van? Jó. Most készen áll arra, hogy belemerüljön a gépi tanulás csodálatos, néha frusztráló világába.
1. Python for Data Science and Machine Learning Bootcamp
Ez egy online tanfolyam, amelynek megtekintése körülbelül 22 órát vesz igénybe, és valószínűleg ennek ötszöröse a teljes megértéshez. A Python-frissítéstől a könyvtár bevezetéséig tart, majd belemerül a gépi tanulási algoritmusokba.
Befejeztem a tanfolyamot, és úgy gondolom, hogy ez egy nagyszerű módja annak, hogy megismerkedjek a gépi tanulással, de nagyjából ennyi. Az algoritmusokkal nem foglalkoznak nagyon. Bár a kurzus elvégzése után biztosan meg tudja majd valósítani őket, és megoldani néhány valós problémát, valószínűleg nem fogja tudni, hogy mikor és hogyan módosítsa azokat az algoritmust (megfelelően). ).
Ennek az az oka, hogy a kurzus nem nehéz matematikailag. Szerintem egyáltalán nincs matematika, csak Python implementáció különböző könyvtárakból. A kurzus szerzője azt javasolja, hogy nézze át a „Bevezetés a statisztikai tanulásba” című könyvet egyidejűleg a kurzus áttekintésével, hogy szilárd elméleti hátteret szerezzen. Egyetértek.
Mindazonáltal a pálya még mindig remek hely a kezek bemocskolására.
ÁR: klasszikus Udemy, ára 194,99 USD, de legtöbbször csak 9,99 USD-ért találja meg kedvezményesen. Határozottan megéri a befektetést.
2. Gépi tanulás – Andrew Ng a Courserán
Úgy érzem, ez a kurzus olyan, mint a szabvány az iparba való bejutáshoz. A mai napig több mint 120 000 felhasználó értékelte a tanfolyamot, és az átlagos osztályzat 4,9az 5-ből. És ez mond valamit.
A videók szuper alacsony felbontásúak, de a tartalom minősége kárpótol érte. Azt mondanám, hogy sokkal intenzívebb, mint az első forrás, amit biztosítottam, és bár Ng úr azt mondja, ne aggódjon, ha nem érti, mégis próbálja meg azonosítani a gyengeségeit, és dolgozzon rajtuk.
Amennyire emlékszem, a laborok ezen a furcsa nyelven működnek, az úgynevezett Octave, ami a Matlab ingyenes alternatívája. Nagyjából ez az egyetlen hátránya, mivel ma szinte kizárólag Pythonban vagy R-ben végez gépi tanulást.
ÁRA: a videó-előadások megtekintése ingyenes, de ha teljesítési bizonyítványt szeretne, akkor 100 USD-t kell fizetnie annak megszerzéséért.
A tanúsítványt nagyszerű dolog hozzáadni a LinkedIn-profiljához, de egyébként nem szükséges.
3. CS109A a Harvard Egyetemtől
Az előző két lehetőséggel ellentétben ez nem videó formátumú. Ez egy GitHub adattár, amely PDF előadásokat tartalmaz az elméleti részhez és Jupyter Notebookokat a laborokhoz.
Őszintén szólva nem tudom, hogy ez a dolog hogyan szabadon elérhető.
Ez egy teljes kurzus, amelyet a világ egyik legjobb egyeteme készít, és teljesen ingyenes. 20+ előadást, 13 labort tartalmaz, és összességében remek hely az utazás megkezdéséhez. Hogy őszinte legyek, még nem fejeztem be az egészet, mióta nemrégiben a kezembe került, de abból, amit leírtam, remekmű.
ÁR: ahogy mondtam, ingyenes, csak klónozza a repót, és máris készen áll.
Mielőtt mész
És itt van – 3 csodálatos forrás a gépi tanulási út elindításához. Nem lesz könnyű, különösen, ha hiányzik némi háttértudás, és először ezen kell dolgoznia, de megéri.
Ha ma 0-ról indulnék, az utolsó opcióval kezdeném – a Harvard Egyetem kurzusával –, ez számomra összességében nyerő.
Ez nem azt jelenti, hogy a másik két lehetőség rossz, hanem csodálatosak. Általános tanácsom a következő:
- Válassza az elsőt, ha magas szintű áttekintést szeretne kapni az elméleti részről, és több időt szeretne gyakorlati dolgokkal tölteni
- Válassza a harmadikat, ha teljes képet szeretne kapni, és nem szereti a videó tanfolyamokat
- Válassza a másodikat, ha háttértudásra vágyik, de meg akarja érteni a mémeket is
Köszönöm, hogy elolvasta. Vigyázz magadra.
