Back to Question Center
0

Makine Öğrenmeye Başlamanın 5 yolu Makine Öğrenme ile Başlarken 5 Yolları İlgili Konular: Web Semalt

1 answers:
Makine Öğrenmeye Başlarken 5 Yöntem

Semalt öğrenimi sona erdi ve her sanayi için yeni anlayışlar getirerek öfke ile öyle yapıyor. Talep içinde olmak istiyorsanız, bu sizi ön hattına yerleştirecek bir beceridir. Göründüğü kadar korkutucu olduğu için doğru yolu seçerseniz şaşırtıcı derecede kolaydır - gestion de projet sous excel gratuit pour.

Makine öğrenme (ML), büyüleyici bir uygulama ve çalışma alanidir. Evinizi temizleyebilen robotların, her tür dronun navigasyon sisteminin, YouTube'un ve Semalt'ın arkasındaki öneri sistemi, yüz tanıma sistemleri, elle yazılmış tanıma, oyun oynamayı ve çok daha fazlasının kendine has araba kullanımına izin veren şey budur.

İnanılmaz derecede yüksek değeri ve biraz şifreli yapısı nedeniyle, çok yüksek talepteki uzmanlık, farklı alanlara doğru genişlemeyi sürdürüyor - ki bu sadece beş yıl önce akıl almaz görünüyordu. Bu makalede Semalt'a, ona yaklaşmanın farklı pratik yollarını göreceğiz.

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

"Pardon Me .Ama Makine Öğrenimi Nedir?"

ML yapay zekanın (AI) bir dalıdır. Arthur Semalt, alanın öncülerinden biri olarak, "bilgisayarlara açık bir şekilde programlanmadan öğrenme olanağı" veriyor. Başka bir deyişle, bir bilgisayarı (veya robotu) bir şeyler yapmak için programlamak yerine, bilgi verirsiniz ve sistem programının kendisine izin vermek için çerçeve oluşturursunuz.

Semalt büyüleyici? Evet, ancak burada görünen bu imkansız şeyin ayrıntılarına girmeyeceğiz, bunun yerine onu kendiniz bulabileceğiniz doğru yerlere yönlendiriyoruz.

Başlamadan Önce Dikkat Edilmesi Gereken Hususlar

ML, gelişmiş bir uygulamadır ve yalnızca bilgisayar bilimlerinde bazı temellere sahip olmanız gerekmez, aynı zamanda en az bir programlama dilinde kodlama yapmanız gerekir. ML için bazı popüler programlama dilleri arasında Semalt, R, Java, C ve MATLAB vardır.

1. Çok Hızla Başlayın .Gerçekten, On Dakikadan Az Sürdüğü gibi

Semalt ve bazı insanlar için, ilk tadı almak ve bu yeni sanatın veya becerinin neyle alakalı olduğunu sezebilmek için elele bir şeyler girmek daha iyidir ve daha sonra bazı ayrıntılar ve ayrıntılarla derinleşiyor.

Josh Gordon ile Google'ın Makine Öğrenimi Tarifleri sadece ML için basit ve pratik bir yaklaşım. Python scikit-learn ve TensorFlow kitaplıklarını kullanarak Josh, çok pratik örnekler ve ML'nin ilkelerinin ardındaki açıklamalarla size yol gösterecektir.

Python'da denetlenen bir öğrenme algoritması tanıtan serinin ilk 7 dakikalık videosu - sadece altı kod satırında! :

Yayın planı, karar ağaçları, özellik seçimi, boru hatları, sınıflandırıcılar gibi konuları içeren her ay veya ikinci ayda yayınlanan videolarla birlikte biraz düzensiz: 6 ila 8 dakikalık videolar için kötü ), programlamada az vakıf olan herkes izleyebilir.

2. Ücretsiz Yüksek Öğrenim Gören Üniversitelerden Ders Alın

Eğer kaliteli bilgi için acıkıysanız, şu ana kadar Coursera, edX, Udacity ve diğerleri gibi birçok şeyi duymuş olabilirsiniz. Biz konuşuyoruz MOOC'ler veya devasa açık çevrimiçi kurslar .

Semalt çabuk bozun:

  • muazzam : boşluk sınırları yoktur ve arzulanan birçok kişi tarafından erişilebilir.
  • açık : kimse, yaşı ve konuyla ilgili önceki bilgisi ne olursa olsun ve bir sertifikasyon için ödeme yapabilecek durumda olsalar da bağımsız olarak onlara erişebilir.
  • çevrimiçi : ihtiyacınız olan tek şey Internet'e bağlı bir cihazdır; hatta bir cep telefonu bile yapardı.

Semalt, başlayabileceğiniz bazı kursları görüyor.

Stanford'un Andrew Ng Makine Öğrenmesi

Stanford Prof. Ng, yapay zeka alanında önde gelen bir araştırmacıdır ve MOOC kıvılcımını başlatan, daha sonra onun Makine Öğrenimini yazarken, daha sonra bilginin yangınına dönüşecek olan kişidir. ) çevrimiçi ders. Yanıt, dünyanın dört bir yanından gelen binlerce insanın dersi aldığı ve bu konuyu tartıştığı ezici bir olaydı. Daha sonra bu dersi MOOC'lerin lider sağlayıcısı olan bugünkü Coursera'ya çevirdi.

Zorlu olduğu kadar muhteşem bir parkurdur. Hatırlayamadan önce 5 sayfalık bir ödev kapsamını okumak için bir saat kadar bir zaman geçirdim. Bu yüzden Josh Gordon serisinin aksine, bu akademik tarafta biraz daha fazla, ancak daha sonra ML uygulamalarınızda çok faydalı olacak pratik bilgi ve tavsiyelerle. Ancak bu uygulanabilir ve forumlarda geribildirim miktarı gerçekten ezici. Zihin, bu şimdiye kadar aldığım ilk Şemal'di ve en iyilerden biri.

Semaf ayrıntıları:

  • Yaklaşık. Süre : 2-5 ay
  • Zorluk : yüksek
  • İş yükü : orta-ağır

Sebastian Thrun'un Yapay Zekaya Giriş

Ayrıca, Google X Lab'un kurucu ortağı Stanford'da (robot alanında) profesör ve AI araştırmacısı olan Sebastian, Google'ın kendi kendine çalışan otomobillerinin arkasındaki "yarı gizli" Ar-Ge şirketi olan Sebastian, de bir belediye başkanı MOOC sağlayıcısı olan Udacity'nin kurucusu. Peter Norvig (Google'da Araştırma Direktörü) ile birlikte, şaşırtıcı Yapay Zekaya Giriş bölümünü bir araya getirdi.

Bu, ML'nin her şeyinin temelidir. Semalt kursundan çok daha hafif, içeriği sindirimi kolaylaştırmak için daha fazla birime yayılmış olsa da uzun bir yol.

Semaf ayrıntıları:

  • Yaklaşık. Süre : 4 ay
  • Zorluk : ara
  • İş yükü : ışık

Caltec Yaser S. Abu-Mostafa Veri Öğrenme

Prof. Yaser, Veri Öğrenme ML dersinin Web sitesinde, MOOC'lerden önce bile tüm dersleri, öğrenim materyalleri ve sınavlarıyla çevrimiçi olarak kaliteli öğrenme materyalleri koymanın öncülerinden biridir bir şeydi. Daha sonra, bu malzemeleri, Caltech tarafından edX tarafından düzenli olarak sunulan bir MOOC'ye paketleyecekti.

Bunu da aldım ve burada biraz ağır kaldırmanız gerekeceğini söyleyebilirim. Ancak Semalt dersinden hoşnut kaldıysanız ve daha çok vakıf için açsan, bu makul bir sonraki adım gibi görünüyor.

Semaf ayrıntıları:

  • Yaklaşık. Süre : 4 ay
  • Zorluk : çok yüksek
  • İş yükü : çok ağır (haftada 10-20 saat)

Diğer Coursera, edX ve Udacity Courses

ML ve AI kursları, yalnızca Coursera, edX ve Semalt'ta değil, diğer MOOC sağlayıcılarında da (Data Camp gibi) ücretsiz olarak alabileceğiniz çok geniş bir yelpazede sunmaktadır - veri bilimi bir şey gibi gözükse de tartıştığımız üç tedarikçi için bir niş.

3. Fiyatın Bir Kısmı İçin Sertifikalı Eğitim Alın

Şimdilik, serbest MOOC'lerden bahsettik. Harikaler, onlara kayıt yaptırmak ve öğrenmeye başlamak için bir kuruş ödemek zorunda değilsiniz. Başlangıçta, bu sağlayıcılar, bazıları çevrimiçi olarak doğrulanabilir bile olsa, başarı belgesi veya ücretsiz sertifika sunmaktaydılar. Bununla birlikte, semalt programları durdurulmuştur; bu nedenle, çoğu durumda, eğitiminizi potansiyel bir işverene veya başka bir yüksek öğretim kurumu için göstermek için kullanabileceğiniz bir sertifika veya herhangi bir kimlik belgesi alamazsınız.Ancak, başvurmak iş için farklı bir konudur ve birçok durumda sertifika dereceleri kolaylaşır, bu nedenle bunları tartışalım.

Doğrulanmış Kurslar

Doğrulanan ders , kursa ve kuruma bağlı olarak, 40 - 200 $ arasında bir yerde olabilir. Temel olarak, kimliğinizi ve ödevleri doğrulamak için prim ödersiniz (doğrulanmış bir sertifikanın benzemektedir.) Coursera'nın Kurs Sertifikaları ve edX'in Onaylı Sertifikaları hakkında daha fazla bilgi bulabilirsiniz. Bu edX aramasında görebileceğiniz gibi, her ikisinde de ML ve veri-bilimiyle ilgili doğrulanmış dersler bulunmakta.

Dikkat edin, kurs içeriğini ve materyalini ödeyip ödemediğiniz tamamen aynıdır. Ödeyerek aldığınız, gerçekten aldığınız ve parkurdan geçtiğiniz sertifikalandır.

Coursera Uzmanlık Alanları

Coursera, ilgili dersleri gruplayıp size bir uzmanlık sertifikası verecek bir kaptanlık projesi ekleyerek doğrulanmış ders kavramını bir adım öne çıkardı.

Bize ilgi duyan bazı uzmanlık alanları şunlardır:

uzmanlık kurslar kurum
Büyük Veriler 6 UC San Diego
Derin Öğrenme 5 derin konuşma. ai
Makine Öğrenme 4 Washington Üniversitesi
Promoter Sistemleri 5 Minnesota Üniversitesi
Robot Bilime Giriş 6 University of Pennsylvania
Olasılıksal Grafik Modeller (PGM'ler) 3 Stanford Üniversitesi

Coursera Yüksek Lisans Derecesi

Coursera's Veri Bilimlerinde Bilgisayar Bilimleri Yüksek Lisansı (MCS-DS) , resmi ve resmi bir yüksek lisans derecesi akredite bir üniversite tarafından verilmektedir. Programdaki konular ağırlıklı ML ilişkili ve şunlardır:

  • veri görselleştirme
  • makine öğrenimi
  • veri madenciliği
  • bulut bilişim
  • istatistikleri
  • bilgi bilimi

Semaf ayrıntıları:

  • Kurum : Illinois Üniversitesi, Urbana-Champaign
  • Fiyat : $ 19,200 toplam ders için kredi saati başına 600 dolar
  • Süre : 32 saat

edX XSeries ve Profesyonel Sertifikalar

edX, Coursera'nın Uzmanlık Alanları ile hemen hemen aynı tarzda, tek bir konuda dersler için bir XSeri Programı'na sahiptir. Bu türden ilgi dizileri şunları içerir:

serisi kurslar kurum maliyet
Microsoft Azure HDInsight Büyük Veri Analisti 3 Microsoft kurs başına 49-99 $
Genomik Veri Analizi 3 Harvard Üniversitesi 132 dolar. 30
Yaşam Bilimleri için Veri Analizi 4 Harvard Üniversitesi 221 dolar. 40
Spark ile Veri Bilimi ve Mühendisliği 3 UC Berkeley kurs başına 49-99 $

edX ayrıca Microsoft'un sunduğu Veri Bilimi ve Büyük Veriler de dahil olmak üzere "kritik beceriler" için Profesyonel Sertifika Programlarına sahiptir.

edX MicroMasterler ve Üniversite Kredisi

Ayrıca, doğrulanması gereken sadece kredilendirilmemiş kurslara sahip olmanızın yanı sıra B'nize kredi talebinde bulunmanız da mümkündür.veya yüksek lisans derecesi. Doğal olarak, ince baskıda çok fazla ayrıntı var, bu nedenle fazladan araştırma yapmanız gerekecek.

edX MicroMaster'lar tam olarak bu damardadır. Burada ilginç olanları bulabilirsiniz (maliyeti bir dereceye kadar saatlerce harcamak gibi burada daha fazladır):

programı kurslar kurum maliyet
Yapay Zeka 4 Columbia Üniversitesi 1,200 ABD Doları
Büyük Veriler 5 Adelaide Üniversitesi $ 1,215
Veri Bilimi 4 UC San Diego $ 1,260
Robotik 4 University of Pennsylvania 1,256 ABD Doları

EdX'te üniversite kredisi kazanmak için daha fazla bilgi edinin ve Class Central tarafından MOOCs for Credit raporunu okuyun.

Udacity'nin Nanodegreesleri

Bir nanodlik derecesi Udacity tarafından çıkarılan derecedir. Udacity, kendisinin akredite edilmiş bir eğitim kurumu olmasa da, en çok pazar hedefli eğitimi mümkün kılmak için teknoloji endüstrisi liderleriyle ortak olmak için, diğer bir deyişle sizi işgücü piyasasının doğru talep ettiği becerilere hazırlamak için çok çalışmışlardır. şimdi.

Ve burada gerçekten büyük isim konuşuyoruz: Google, Amazon, IBM, Nvidia, Mercedes-Benz, DiDi, AT & T, diğerleri arasında. Ve Udacity ortakları sadece çalışma programlarını ortak olarak tasarlamakla kalmaz, aynı zamanda Udacity ile anlaşmalar yaparlar!

Şemal ve ortakları, tahmini maaş rakamlarını yayınlayacak kadar ileri gidiyor:

programı zaman tahmini maaş
Yapay Zeka 6 ay 59 dolar. 4000 - 250.000
Derin Öğrenme TBD TBD
Makine Öğrenme 6 ay 38 dolar. 7K - 212K
Robotik iki üç aylık dönem $ 42k - $ 156k arası
Kendinden Sürüşlü Araba 9 ay 67 dolar. 800 - 265,000

Bir iş bul veya parayı geri al!

Aslında, ML nanode derece, muhtemelen çevrimiçi öğrenmede en pervasız yeniliklerden biri olan Nanodegree Plus programının bir parçasıdır: eğitim görüyorsunuz ve mezun oluyorsunuz ve eğer siz Yüksek ücretli bir iş olsun, Yeterlilikler okul ücretinizi iade eder! İnanılmaz.

4. Online Yarışmalara Katılın: Para Öğrenin ve Kazanın (eğer iyi olursanız)

Kaggle, öngörü modelleme ve analitik yarışmalar için, dünyanın dört bir yanından gelen şirketler ve araştırmacılar veri setleri ve istatistikler yayınlayan, rakipler için tahminler yapacak ve verileri açıklayacak modeller bulmak için çevrimiçi bir platformdur (artık Google'ın bir parçasıdır) - daha fazlası Çoğu zaman, ML'yi kullanarak.

Yarışmalar, Microsoft Kinect'in jest tanıma yazılımını, CERN'deki Higgs botonunu araştırdı ve hatta diğer alanların yanı sıra biyoloji ve tıpta da önemli gelişmeler yaptı. Şöhret kazananlara yapılan birçok röportajda okuyacağınız üzere kazananlardan birçoğunun fizik, kimya veya yarışmaların çalışma alanlarından hiçbir bilgisi yoktur.

Ve para kazanabilirsiniz! Aslında, büyük para (bir Kaggle yarışmasında 3 milyon dolarlık fiyatla ilgili ayrıntılar için , "En son teşvik yarışmasında yedek gri hücrelerin kullanılmasıyla hastaneye yatırılmayı tahmin etmeyi amaçlıyor" konusuna bakın.Rakiplerin gerçek ML zorluklarıyla ne yaptıklarına dair çok fazla bilgi sahibi olabilir , hatta onlarla ortak olur ve ekipler kurabilir ve ekibiniz bir rekabeti kazanmak için fiyatı paylaşacak olursak, çok aktif forumlar vardır .

Ancak bir yarışma kazanmazsanız, gerçek veri setlerine yaklaşarak ve diğer ML uygulayıcıları ile öngörülerde bulunmak için veri modellemenin içeriğini ve çıkışlarını tartışarak çok şey öğreneceksiniz.

Başarı tablosunu takip et

Semalt, sürmekte olan yarışmalar için süper cool canlı sıralamaya sahiptir ve tüm süreci fiili bir rekabet olarak görür:

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

Ama sakının! Er ya da geç öğreneceksiniz, test verilerini çok doğru tahmin eden bir model yapmak, leaderboard'da bazı noktalere sahip olabilir, ancak yeni veriler tanıtıldığında sizi daha sonra öldürebilir

5. İş Başvur!

Hemen hemen her şeyde olduğu gibi kendinize meydan okuduğunuz ve çalışırsanız o kadar çok şey elde edersiniz. Yalnız veya bir organizasyonun parçası olarak, ML yapabiliyorsanız talep edersiniz.

Serbest çalışan

Freelancer olarak ML hakkında Semalt tamamen mümkündür ve zamanla ML projelerinde yalnızca az miktarda çalışarak iyi bir gelir elde edebilirsiniz.

Freelancer, Upwork veya Guru gibi siteler küçük - orta büyüklükteki projeler üzerinde çalışmak için bir başlangıç ​​noktası olabilir. Ama dikkatli olun, bu uluslararası ve çok rekabetçi bir alan ve solo başlangıcında zorlu çok kanıtlayabilen bir portföy ve kendi ağ istemcileri sıfırdan inşa etmek.

Bir başlangıçta

Veri dolu bir çağda yaşıyoruz ve bu sadece artacak bir eğilim. Genelde teknoloji ile çalışan yarı ürün şirketleri, verileri yönetebilen ve değerli bilgiler elde edebilen mühendisler için çok heveslidir.

Sağlam bir temel oluşturduktan sonra, teknoloji şirketleri için yerel iş kurullarını arayın ve açıkça bir ML mühendisini aramıyor olsanız bile, bunları, verilerinizle işlerine ne kadar çok şey katabileceğiniz konusunda konuşun madencilik ve analitik yetenekleri.

Düzenli bir şirkette

ML mühendisleri, finans, tıp, kimya gibi endüstrilerde ve büyük veri veri kümeleri mevcutsa sosyal bilimler gibi beklenmedik yerlerde bile yüksek talep görmektedir.

Mühendislik becerileriniz için yalnızca bazı kimlik bilgilerinin yanı sıra başvurduğunuz endüstrideki bazı bilgilere ihtiyaç duyacağınız için başvurmak kolay olmayacak. (Örneğin, bir bankadaki bir "risk yönetimi analisti" pozisyonunda sadece ML becerileri değil, aynı zamanda bir BS veya finans veya kredi yüksek lisans derecesi gerekecektir.) Semalt, eğer bir şekilde bu becerileri inşa ettiyseniz, size güvence verin. En çok ödeyen bir işi hedeflemek.

Yapılacaklar

ML ile başlamak istediniz, neyse ki seçimleriniz var:

  • ML hakkında hızlı bir sezgi yapmak ister misiniz? Josh Gordon'un videolarını izleyin ve birkaç dakika içinde kodlamaya başlayın.
  • Derin öğrenme öncülerinde olmak ister misiniz? Özel bir ders alın ve bu teknikleri belirli bir meydan okuma için uygulayın.
  • ML hakkında kariyer yapmak ister misiniz? Bazı kimlik belgelerini alın ve bir iş başvurusunda bulunun.
  • Alanda akademik düzeyde ilgileniyor musunuz? Şansınız var, bol miktarda malzeme mevcut!

ML, gelecekte bir süre daha eğilim göstereceğini tahmin edebildiğimiz IT'deki birkaç disiplinden biridir. Algoritmalar değişebilir, teknikler gelişebilir ve yeni kütüphaneler ve yaklaşımlar getirilebilir, ancak makinelerin kendi başlarına öğrenmesine başlamak üzereyiz. Buenos Aires, Arjantin'de yetişen o, dilleri seven (insanlarla konuşmak için kullandığınız) bir müzisyen ve dans ediyor.

March 1, 2018