Сообщество - самая мощная сила онлайн-обучения. Это причина того, что МООК имеют ограниченное влияние, а сплоченные сообщества, такие как fast.ai, неизменно дают невероятные результаты.
Несмотря на мое нынешнее понимание роли сообщества, так было не всегда. И, конечно же, я не специалист в этом вопросе. Поэтому я решил обратиться к лидерам сообщества, людям, которыми я восхищаюсь, и поделиться их мнениями. Они делятся отличными советами о том, как извлечь максимальную пользу из участия в онлайн-сообществах, и описывают свой личный опыт.
Вот что они мне сказали.
Сообщество как ключ к личному росту
Себастьян Рашка - автор известной книги Машинное обучение Python. Он занимается машинным обучением и глубоким обучением, преподает в Университете Висконсина. Вот его мысли
Какую пользу вам принесло участие в сообществах машинного обучения?
Как я уже упоминал в Твиттере, сообщество очень помогло мне в моем личном росте. Я начал вести блог о машинном обучении примерно в 2013 году. Отзывы сообщества (Twitter, Hacker News, Reddit ML) поддерживали меня в том, чтобы писать больше и, что более важно, научиться писать лучше.
Обратная связь иногда приводила к интересным последующим обсуждениям, и читатели иногда указывали на ошибки, которые были полезны не только для улучшения моего письма, но и моего понимания некоторых вещей. Чаще всего читатели делились в Интернете классными дополнительными материалами / скрытыми жемчужинами, которые были очень полезными и информативными - вещи, на которые я бы не наткнулся в противном случае.
Наконец, я думаю, что возможность написать книгу (еще в 2015 году), а также моя текущая работа, вероятно, связаны с более широким сообществом ML, которое поддерживало меня и заставляло заниматься темой прикладных исследований ML и DL.
Какие советы вы бы дали тем, кто собирается присоединиться к онлайн-сообществу?
Рекомендую проявить терпение. Чтобы быть активным в сообществе, нужно время. Посмотрите материалы других людей, которыми поделились в сообществе. Если тема вас интересует, постарайтесь время от времени давать другим продуктивную и конструктивную обратную связь, но не переусердствуйте.
Не могли бы вы вкратце описать сообщества, в которых вы участвуете?
Я должен упомянуть, что я не являюсь частью «определенного» сообщества. Под «сообществом» я в широком смысле подразумеваю людей, которых я встречал на конференциях, в Твиттере и т. Д. Другими словами, под «сообществом» я подразумеваю «единомышленников, которые разделяют схожие интересы».
Быть активным членом сообщества - важный ингредиент для изучения людей и алгоритмов.
Сюзана Илич - основательница MLT, отмеченной наградами некоммерческой организации, занимающейся демократизацией машинного обучения посредством открытого образования. Она компьютерный лингвист и технический специалист по извлечению причинно-следственных связей из биомедицинских текстов в Causaly.
Какую пользу принесло вам участие в сообществах машинного обучения?
Я начал MLT в 2017 году как небольшая группа по изучению машинного обучения, чтобы учиться вместе и друг у друга. С тех пор мы организовали более 250 учебных занятий, бесед и семинаров. Как и многим другим, мне посчастливилось научиться у многих блестящих людей в сообществе машинного обучения, от теории и математики до производственных систем машинного обучения и передовых методов разработки программного обеспечения. Однако я также был активен в сообществе. Я вносил исследования и проектные идеи, возглавлял команды и публиковал нашу работу, я отвечал за несколько инициатив открытого образования и открытого исходного кода в области глубокого обучения, и мы представили некоторые из наших работ в Токио, Гонконге, Сан-Франциско, Ванкувере и Монреале. .
Быть активным и на улице страшно. Я компьютерный лингвист и, вероятно, последний человек, которого вы ожидали бы возглавить сообщество машинного обучения из 8000 участников. Но в то же время, как это может показаться немного странным, я был настолько заинтригован машинным обучением, что желание учиться всегда было сильнее страха потерпеть неудачу. Наконец, оказав поддержку сообществу и поддержав более 100 участников, я узнал не только о машинах, но и много нового о людях и о том, что нужно для создания уважительного, сильного и разнообразного сообщества в области ИИ.
Какие советы вы бы дали тем, кто собирается присоединиться к онлайн-сообществу?
То, что сработало для меня и многих других в MLT, сейчас активно - например, волонтерство в качестве ТА, презентации или обучение, участие в разработке открытого исходного кода, создание команд и работа над проектами. Активность позволит вам углубить свои знания, применить то, что вы узнали, и создать свое портфолио. И последнее, но не менее важное: вы улучшите свои навыки совместной работы и общения.
Не могли бы вы вкратце описать сообщества, в которых вы участвуете?
Машинное обучение в Токио, Женщины, которые кодируют Токио, Женщины-технологи, WiMLDS
Эти сообщества предоставили мне доступ к поучительным ресурсам и мероприятиям, возможностям для проектов, поддержке и наставничеству, созданию сетей, возможностям профессионального роста, поддержке и вдохновению, а также приветливому и безопасному месту для обучения и экспериментов.
Совместное использование своей работы в Интернете в сочетании с практическим обучением может ускорить вашу карьеру
Рохан Рао - четырехместный гроссмейстер Kaggle и специалист по анализу данных H2O.ai. Он также является 17-кратным чемпионом Индии по судоку и выигрывал серебряную медаль на чемпионатах Азии. Вот что он мне сказал.
Какую пользу принесло вам участие в сообществах машинного обучения?
Сообщества машинного обучения - отличный способ познакомиться с людьми, которые разделяют схожие интересы в машинном обучении. Они помогают в расширении вашей сети.
Я вырос как в профессиональном, так и в личном плане, внося свой вклад, участвуя и извлекая уроки из различных видов деятельности таких сообществ. Это помогло преодолеть пробелы в моих проектах и карьере, а также повысило мою известность и открыло больше возможностей.
Неудивительно, что все мои возможности карьерного роста (как в стартапах, так и в более крупных фирмах) появились благодаря взаимодействию с сообществом и сетям.
Какие советы вы бы дали тем, кто собирается присоединиться к онлайн-сообществу?
Участвовать. Активно.
Делайте как можно больше вещей, которые вам интересны, чтобы извлекать максимальную пользу из сообществ. Будьте практичны, учитесь и работайте одновременно и ни от чего не уклоняйтесь.
Будьте открыты идеям, подходам и пробуйте новое. Стоит поэкспериментировать даже с самыми безумными идеями.
Нет вопросов глупо, и даже самые успешные люди часто обращаются за помощью. Сообщества свободные, открытые и очень добрые, когда они откликаются и помогают. Всегда хорошо помогать сообществу любым возможным способом. Не забывай этого.
Не могли бы вы вкратце описать сообщества, в которых вы состоите?
Kaggle: кладезь информации, идей, моделей, обсуждений и сердце инноваций машинного обучения.
AnalyticsVidhya: Одна из лучших платформ для обучения, обучающих программ и обучения машинному обучению.
CTDS: Подкасты, такие как CTDS, дают много информации о том, как ведущие профессионалы отрасли стали успешными и о чем следует подумать на высоком уровне за и против.
Twitter: Помогает быть в курсе последних новостей о продуктах, библиотеках и профессионалах.
Местные сообщества. С некоторыми из местных сообществ удобно общаться, чтобы понять географический ландшафт поля.
Ни в одном сообществе нет всего этого. Принадлежность как минимум к 2–3 различным сообществам помогает охватить более широкий спектр информации и иногда массирует ваши мысли с разных точек зрения.
Сообщество как путь к беспрецедентным достижениям
Сарада Ли - приглашенный научный сотрудник Института данных Университета Сан-Франциско и научный сотрудник Школы медицины и общественного здравоохранения Университета Ньюкасла, Австралия. Она опытный корпоративный казначей и соучредитель Perth Machine Learning Group.
Какую пользу принесло вам участие в сообществах машинного обучения?
Много! Я был бухгалтером и десятилетиями работал в крупных корпорациях. Мне ЗАПРЕЩАЕТСЯ устанавливать какое-либо программное обеспечение на мой рабочий компьютер из-за ограниченных прав администратора. Этот новый мир загрузки программного обеспечения с открытым исходным кодом (и использования командной строки) был для меня странным. Когда я начал изучать машинное обучение в конце 2016 года, создание локальной и / или удаленной среды было пугающим и разочаровывающим опытом. Барьер для входа был очень высоким. Я был очень благодарен тем, кто ответил на мои случайные вопросы на форумах fast.ai (включая Radek) и моему местному сообществу машинного обучения (например, Perth Machine Learning Group). Без их поддержки я бы сдался в течение нескольких дней.
Какие советы вы бы дали тем, кто собирается присоединиться к онлайн-сообществу?
- Выбирайте платформу с умом - выбирайте платформу без кнопки голосования против :). Очень рекомендую присоединиться к сообществу fast.ai. Основатели fast.ai, Джереми Ховард и Рэйчел Томас, с первого дня задавали правильный тон. Они хотят, чтобы нейронные сети снова перестали охлаждаться и поддержали разнообразие.
- Поймите, как вы учитесь. Найдите учителей, которые подходят вам лучше всего. Например, я визуальный человек. Мне постоянно нужны наглядные иллюстрации. Когда я впервые натолкнулся на плейлист с видео на fast.ai, часть 1, я перешел к Уроку 4, в котором в таблице была показана цифра 7. Джереми объяснил, как работают сверточные нейронные сети, используя Excel. Я мог понимать математику. Итак, мое путешествие в ML началось. :-)
- Не бойтесь задавать вопросы. Должен признаться, это был очень страшный опыт. Однако я был рад, что сделал это, когда чей-то ответ сработал как по волшебству. Поэтому я мог прогрессировать дальше. Если ответ вам не ясен, задайте дополнительные вопросы, чтобы разобраться в нем.
- Я поделился уроком, извлеченным из пункта 3), который может быть кодом / шагами, для использования в будущем. Я не хочу повторять одну и ту же ошибку дважды, и я также могу укрепить свое обучение / понимание. Я не смогу полностью понять что-то, пока не смогу объяснить это кому-то другому. Надеюсь, я смогу помочь кому-то, кто столкнется с той же проблемой в будущем.
- Активно участвуйте в онлайн-сообществе по вашему выбору, голосуя за / лайкая вопросы сокурсников или пытаясь ответить на вопросы. Если вам слишком страшно отвечать публично, отправьте свои ответы через личные сообщения. Вы сделаете чей-то день.
- Выберите проект и завершите его. Проект может быть:
- Участие в соревнованиях Kaggle с командой (участие не обязательно должно быть мастером Kaggle)
- Реализация документов ML
- Представляем решение машинного обучения для проблемы, которая вам небезразлична
- Создание произведения искусства машинного обучения; и т.п.
Не могли бы вы вкратце описать сообщества, в которых вы участвуете?
Что касается международного сообщества машинного обучения, я являюсь частью fast.ai. Как и Радек, я навсегда буду студентом fast.ai! Мне посчастливилось участвовать в сообществе разнообразия, и мое путешествие по машинному обучению было разделено здесь. Являясь частью этого сообщества машинного обучения, я держусь на плече гранта. Ниже представлен мой личный опыт, который до сих пор кажется нереальным.
Для местного сообщества машинного обучения я стал соучредителем Perth Machine Learning Group в конце 2016 года. Первые несколько встреч проходили в моей гостиной. Сейчас у нас почти 2,7 тыс. Участников. Неплохо для удаленной местности с населением всего 1,5 миллиона человек в районе метро. Я вырос в знаниях машинного обучения и в дружбе с основными участниками. Мы поощряем разнообразие (проводя семинары Женщины в машинном обучении и поддерживая SheCodes), выставляем генеративное искусство на фестивалях Fringe и многое другое. С единомышленниками веселее учиться и расти. :-)
Через Perth Machine Learning Group я стал помогать Dr. Люк Гаррат из Детского института телемарафона о проектах, связанных с машинным обучением. Следуя за Джереми в социальных сетях, я наткнулся на Медицинский исследовательский институт искусственного интеллекта Уиклоу (WAMRI). К счастью, мою команду приняли, и у меня была возможность работать и учиться у моего мини героя ML, Эндрю Шоу. (Примечание: Мини - относительный термин, потому что Джереми - мой герой ML.) Благодаря этому международному сотрудничеству я был назначен на две почетные должности, а именно на должность приглашенного научного сотрудника Университета Сан-Франциско и научного сотрудника по совместным исследованиям из Университет Ньюкасла, Австралия, Школа медицины и общественного здравоохранения. (Примечания: из-за пандемии дела были отложены. В настоящее время мы работаем над публикацией наших результатов.) Я также получила премию Tech [+] 20 от организации Women in Technology Western Australia (WiTWA) в 2019 году.
Во время пандемии Джереми, как защитник # Masks4All, предложил разместить мою статью под названием Спасение маски на сайте fast.ai. Мы пытались привлечь внимание к ношению масок, чтобы защитить друг друга. У нас была общая цель - общественное здоровье. На форуме fast.ai я также встретил нескольких замечательных людей, которые хорошо осведомлены и готовы помочь новичкам.
Участие сообщества как форма искусства с упором на эффективность
Зак Мюллер - лидер сообщества fast.ai и стажер в Novetta. Он помог бесчисленному количеству людей через форумы fast.ai. Он учится в Университете Западной Флориды.
Какую пользу принесло вам участие в сообществах машинного обучения?
Активное участие в сообществах машинного обучения не только помогло мне со временем стать лучше в практике, но и привело к появлению новых вакансий и резюме, а также помогло мне изучить темы и идеи, которые я никогда раньше не думал бы исследовать. Я лично просил работодателей находить меня на форумах и изучать мою работу как там, так и на GitHub. Ваши ответы и участие на форумах не только дают представление о вашем путешествии по машинному обучению (более мелкие, более простые вопросы вначале, более сложные идеи позже), но также показывают, просто ли вы спрашиваете или отдаете также. Это, в свою очередь, позволяет хорошо разбираться в характере, поскольку работодатели могут видеть, как вы отвечаете на вопросы или насколько полезными могут быть эти ответы. Скорее всего, я бы не нашел свою нынешнюю работу (или стажировку этим летом) так быстро, если бы мой работодатель не нашел меня сначала на этих форумах.
Какие советы вы бы дали тем, кто собирается присоединиться к онлайн-сообществу?
Приходите с непредвзятым мнением. У всех там разное образование и разный уровень опыта. Самая неприятная часть, которую я обнаружил при просмотре форумов, - это когда люди не делают все возможное, чтобы сначала найти проблему, чтобы увидеть, есть ли где-то решение, а если нет, они не публикуют полный репродуктор. своего вопроса или не предоставляют достаточно информации. Я не застрахован от этого, так как иногда все еще случайно делаю это. Если вы хотите, чтобы кто-то действительно заинтересовался вашим сообщением, постарайтесь предоставить как можно больше информации, чтобы полностью понять вашу проблему или идею. Кроме того, не расстраивайтесь, если никто не ответит на ваше сообщение в течение
Не могли бы вы вкратце описать сообщества, в которых вы участвуете?
Я всегда старался быть активным в группе, так или иначе. Когда я начал заниматься морской биологией в Колорадо, я присоединился к местному форуму по содержанию рифов и в молодом возрасте был очень активен, проводя встречи и общаясь с ними. В настоящее время основная группа, в которой я живу, - это форумы fast.ai и еще один или два. Время - это ограничивающий фактор того, сколько я могу вложить в сообщество. Я кратко упомянул об этом в п. 1, но наличие этой другой точки зрения от кого-то другого, работающего в той же области или использующего ту же библиотеку, может помочь вам понять область, в которой находится машинное обучение. Вы могли присоединиться по одной причине, а затем обнаружили, что , благодаря одному или двум членам сообщества вы идете по пути, о котором и представить себе не могли. Это может быть мотивирующим и вдохновляющим и может помочь подпитывать ваше стремление к любой страсти, которую вы испытываете к этому сообществу / теме. Общие проблемы и разочарования решаются (в большинстве случаев), а ответы на них доступны вам бесплатно, что экономит часы за часами головной боли. Сообщества и люди внутри них - бесценный ресурс, независимо от области.
Инженер машинного обучения, обученный сообществом, как жизнеспособный специалист, которому нужно заниматься
Саньям Бутани - инженер машинного обучения и создатель контента на основе искусственного интеллекта для H2OAI. Он также является ведущим подкаста Chai Time Data Science и одним из первых 1% Kaggler.
Какую пользу принесло вам участие в сообществах машинного обучения?
Мне нравится называть себя «инженером машинного обучения, обученным сообществом», хотя я являюсь плохим примером инженера машинного обучения, потому что мне еще предстоит пройти долгий путь. Я доверяю все свои мелкие знания различным сообществам, с которыми мне приходилось сталкиваться.
Я начал работать инженером по машинному обучению, приняв вызов. Передо мной стояла задача, заключающаяся в том, что эти предметы предназначены только для исследователей, и что, будучи упрямыми первокурсниками, я должен избегать их. Я уверен, что это было лучше всего, но в то же время мои коллеги из университета, гиды и местные сообщества мало что могли дать.
Итак, я переключился в Интернет и начал регистрироваться в каждом сообществе и форуме Slack.
В университете можно встретить много людей твоего возраста. Однако, какой бы разнообразной ни была группа, и я уверен, что Радек со мной согласится, разнообразие в технических степенях по-прежнему встречается редко. Интернет-сообщества познакомили меня со множеством удивительных людей из всех слоев общества.
Люди среднего и позднего возраста, все одинаково увлечены искусственным интеллектом. Помимо того, что я разделял эту страсть, я также научился общаться и писать сообщения, разговаривать по телефону, приветствовать кого-то и понимать акценты. Да, это очень простые вещи, но, будучи ботаником в колледже, я никогда этому не учился.
Я получил свой первый «контракт» благодаря активному участию в сообществе. Цифры (которые для меня все еще безумны), которые появляются в блогах и подкастах - все это началось благодаря моей активности в сообществах и разговорам с людьми.
Автор этой невероятной книги научил меня не быть высокомерным студентом колледжа и обвинять лекции в том, что у меня нет времени на треп / учиться, или говорить, что это слишком обременительно. Сам Радек в какой-то момент упомянул, что время в пути на работу позволило ему сделать несколько заявлений, в то время как часы, которые он тратил на то, чтобы усыпить ребенка, приходились на то, что он читал газеты и форумы. Для человека, не имеющего никаких обязанностей или навыков управления временем, такие разоблачения открывали разум.
Какие советы вы бы дали тем, кто собирается присоединиться к онлайн-сообществу?
Я присоединялся к нам, чтобы задавать вопросы. Я бы посоветовал поступить наоборот: отвечать на вопросы других!
Внесите столько, сколько сможете!
Это парадоксально, но часто вы узнаете гораздо больше, отвечая на вопросы и помогая другим! Это помогает прояснить ваше собственное понимание, а также помогает нести факел вперед (каламбур).
Я получил свою первую работу фрилансера, потому что отвечал на вопросы одного доброго человека, который позже заметил, что у меня есть кое-какие знания, и предложил мне возможность помочь ему с проектом.
И наоборот, я многому научился, потому что люди были достаточно любезны, чтобы ответить на мои вопросы. Нет, это не то, за что нам платят деньгами, но объем полученных знаний огромен.
Я бы также сказал себе, чтобы я выступал как можно больше. Я человек, который замирает и теряет слова даже на презентациях Zoom. Тем не менее, я постепенно постепенно спускался к исправлению моей языковой модели :)
Я считаю, что способность обмениваться техническими идеями - это важный навык. Несколько лет спустя, работая в «индустрии», я ясно вижу ценность. Возможно, вы уже являетесь отличным оратором, но продолжайте делать это. Один из моих ближайших друзей, Химанжи Кайнтола, научил меня, что все мы - работа в стадии разработки. Обучение для меня было потрясающим, действительно полезным и воодушевило меня продолжать совершенствоваться.
Не могли бы вы вкратце описать сообщества, в которых вы участвуете?
Больше всего я использую H2O.ai, fast.ai и Machine Learning Tokyo.
Все это основано на нескольких принципах:
- Поощрение открытой культуры
- Поощрять обучение
- Делиться позитивом по отношению к новичкам.
Это очень простые идеи. Однако для любого, кто начинает свой путь, исходя из собственного опыта, если кто-то скажет два дополнительных слова поддержки в отношении усилий новичка, они могут помочь им пройти долгий путь.
Я считаю, что все эти сообщества также способствуют открытому обучению, которое помогает участникам учиться и расти вместе. Создание сообщества - это игра с положительной суммой, и каждый должен расти вместе.
Для многих из нас в 2020 году звонки Zoom были единственным способом продолжить изучение ИИ.
