Внедрение машинного обучения — непростая задача.
Искусственный интеллект — движущая сила промышленной революции. У меня есть степень бакалавра в области промышленной инженерии и степень магистра в области устойчивой энергетики. После выпуска я решил изучить машинное обучение, чтобы сыграть роль в этой технологии, влияющей на человеческую жизнь.
Прежде чем я начал, у меня было много вопросов, и я помню, что терялся в том, кому их задать.
- Какие ресурсы использовать во время обучения?
- Должен ли я помнить все, что я изучаю? Как делать заметки?
- Должен ли я тратить месяцы на теорию и математику машинного обучения?
Что такое машинное обучение?
Чтобы представить, машинное обучение (ML) — это тип искусственного интеллекта (ИИ), который позволяет компьютерам учиться на данных, чтобы обнаруживать закономерности для принятия решений или прогнозов.
В машинном обучении есть несколько различных подполей:
- Контролируемое обучение: алгоритм учится на размеченных данных для прогнозирования выходных значений.
- Неконтролируемое обучение: нет меток для обучающих данных. Алгоритм машинного обучения пытается извлечь уроки из базовых шаблонов или распределений, управляющих данными.
- Обучение с подкреплением: модель выясняет, какие действия предпринять в ситуации, чтобы максимизировать вознаграждение.
Как мне перейти к нему?
Сейчас я учусь в Udacity AI&ML Nano Degree Programming, которая предоставила мне структурированную среду для обучения и участия в сложных проектах. Вот подход к максимальному использованию учебного пути:
# 1 Режим губки
Во-первых, я погружаюсь в режим губки, впитывая как можно больше теории и знаний, чтобы создать прочную основу. Для начала я изучил основы Python. Моя цель состояла в том, чтобы понять Python в достаточной степени, чтобы иметь дело с библиотеками и найти подходящие ресурсы для отладки моего кода.
Второй курс, который я изучаю для Sponge Mode, — это известный курс, который читает Эндрю Нг по Машинному обучению. Параллельно прохожу курс Основы машинного обучения AWS.
На этом этапе мои показатели успеха в основном следующие:
а) Обращать внимание на общую картину и всегда задавать вопросы.
Когда меня знакомят с новой концепцией, я сам себе «почему», как она используется в реальном мире?
б) Делайте заметки, достаточные для понимания общей картины, и постарайтесь смириться с тем, что я не буду помнить всего.
После режима губки я пытаюсь поместить теорию в код, создавая проекты. Я практикуюсь в проектах Kaggle и задачах Hackerrank.
#2 Мой стиль обучения
Лучше всего я учусь, преодолевая что-то самостоятельно в своем собственном темпе и перечитывая одно и то же снова и снова, пока не пойму. В школе я полюбил чтение и большую часть своих знаний получил из учебников. Я понял, что лучше всего усваиваю теоретическую концепцию, когда могу преподавать ее позже. Чтобы иметь возможность преподавать, важно делать хорошие заметки, чтобы я мог просматривать материал в своем собственном темпе. Я использую такие инструменты, как Notion, Obsidian и Jupyter Notebook.
Хотя мой основной метод получения знаний был через книги, я признаю, что мое изучение концепций науки о данных сегодня включает видео и учебные пособия на YouTube. Например, я предпочитаю смотреть короткие видеоролики из разных источников на одну и ту же тему, чтобы смотреть на вещи под другим углом. Один из самых важных ключей к ускорению обучения — найти подходящее средство, которое имеет смысл для вас, это может быть чтение сообщения в блоге, просмотр видео или прослушивание подкаста.
Несколько подкастов, которые я слушаю, чтобы быть в курсе этой технологии:
# 3 Улучшение моих мягких навыков
Насколько я учусь с технической стороны, я стараюсь выделиться как специалист по данным, чтобы я мог продвигать свою работу, общаясь с разными людьми. Основные навыки, в которых я могу выделиться, связаны с моим общением. Итак, я стараюсь совершенствоваться, чтобы стать лучшим писателем, рассказчиком и переговорщиком.
# 4 Говорить о том, над чем вы работаете (МНОГО)
Выслушав множество советов от людей из индустрии, я понял, что задача состоит в том, чтобы показать свою работу людям, которым нужно ее увидеть. Людям, таким как я, тяжело сдвинуться с мертвой точки, когда играя в собственный рожок, вы начинаете хвастаться. Я нахожу ценным, когда я оглядываюсь назад и сохраняю мотивацию, двигаясь вперед. Вот несколько выводов, чтобы показать себя:
- Решение проблемы/завершение проекта, а затем запись в блоге о том, как вы это сделали.
- Обязательство писать сообщения в социальных сетях 3 раза в неделю о ходе вашего текущего проекта.
- Присоединяйтесь к сообществам, чтобы поделиться тем, над чем вы работаете, и попросить оставить отзыв о ваших проектах или портфолио.
Заключение
Поскольку я продолжаю расти, я очень рад узнать как можно больше об этой сквозной технологии и о создании проектов. Сочетание технических навыков с деловыми навыками ценно для меня. По дороге я покажу свои работы и поделюсь своим путешествием с другими.
