Back to Question Center
0

5 способов начать машинное обучение 5 способов начать работу с машинным обучением См. Также: Web Semalt

1 answers:
5 способов начать машинное обучение

Изучение сальматов ушло, и это происходит с яростью, принося новые идеи каждой отдельной отрасли. Если вы хотите быть востребованным, это навык, который поставит вас на переднюю линию. Как бы устрашающе это ни казалось, это удивительно легко, если вы подходите к нему правильным путем.

Машинное обучение (ML) - увлекательная практика и область обучения. Это позволило ввести самоходные автомобили, роботов, которые могут очистить ваш дом, систему навигации беспилотных летательных аппаратов всех видов, систему рекомендаций позади YouTube и Semalt, системы распознавания лиц, распознавание рук, игры и многое другое ,

И из-за его невероятно высокой ценности и несколько загадочной природы, это опыт, который очень востребован, продолжает расширяться в разных областях, которые всего пять лет назад казались бы немыслимыми. Semalt этой статьи, мы увидим различные практические способы подхода к ней.

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

«Простите меня .но что такое машинное обучение?»

ML - это ветвь искусственного интеллекта (AI). Как сказал Артур Semaltт, один из пионеров в этой области, ML дает «компьютерам возможность учиться, не будучи явно запрограммированным». То есть вместо того, чтобы программировать компьютер (или робот), чтобы что-то сделать, вы предоставляете информацию и устанавливаете фреймворк, чтобы позволить самой программе системы.

Semaltт увлекательный? Да, но мы не будем вдаваться в подробности этой, казалось бы, невозможной вещи здесь, а вместо этого укажем на нужные места, где вы сможете найти это для себя.

Перед началом, Слово предостережения

ML - это что-то вроде передовой практики, и вам нужно иметь не только некоторые основы компьютерных наук, но и иметь возможность кодировать хотя бы один язык программирования. Некоторые популярные языки программирования для ML - это, например, Semalt, R, Java, C и MATLAB.

1. Начните очень быстро .Как, действительно, менее чем за 10 минут

Semalt, и для некоторых людей лучше просто вникать во что-то, чтобы иметь первый вкус и развить интуицию в отношении того, что это новое искусство или умение, а затем углубиться в некоторые особенности и детали.

Рецепты машинного обучения от Google с Джошем Гордоном - это простой и практичный подход к ML. Используя библиотеки Python scikit-learn и TensorFlow, Джош проведет вас по очень практичным примерам и объяснениям, лежащим в основе принципов ML.

Вот первое 7-минутное видео сериала, введя в Python контролируемый алгоритм обучения - всего лишь шесть строк кода! :

Расписание публикации несколько нерегулярно: видеоролики публикуются каждый месяц или второй месяц, охватывая такие темы, как деревья решений, выбор функций, конвейеры, классификаторы: неплохо вообще видеоролики с 6 по 8 минут , что может следовать любой, кто имеет небольшой фундамент в программировании.

2. Занятия в высших учебных заведениях бесплатно

Если вы жаждете качественных знаний, вы, возможно, уже слышали о Coursera, edX, Udacity и многих других. Мы говорим MOOC или массовые открытые онлайн-курсы .

Semalt быстро разбить его:

  • массивные : у них нет ограничений по вакансиям, и к ним можно обращаться как можно большим количеством людей.
  • open : любой может получить к ним доступ, независимо от их возраста и предыдущих знаний по этой теме, и независимо, если они могут заплатить за сертификацию или нет.
  • онлайн : все, что вам нужно, - это устройство, подключенное к Интернету; даже мобильный телефон будет делать.

Semalt посмотрим, какие курсы вы можете начать.

Машиноведение Стэнфордского Эндрю Нг

Стэнфордский профессор Нг является ведущим исследователем в области искусственного интеллекта и является человеком, который в значительной степени начал вспышку MOOC, которая позже превратилась бы в огонь знаний, когда он впервые поставил свое машинное обучение ) онлайн-курс. Ответ был ошеломляющим, и многие тысячи людей со всего мира проходили курс и обсуждали эту тему. Позже он включил этот курс в то, что сегодня является Coursera, ведущим поставщиком MOOC.

Курс такой же невероятный, как и сложный. Я помню, что потратил час или около того только для того, чтобы прочитать 5-страничный охват задания, прежде чем я смог его понять. Так что, в отличие от серии Джоша Гордона, это немного больше на академической стороне, но с большим количеством практических знаний и советов, которые будут очень полезны позже в ваших практиках ML. Но это выполнимо, и количество отзывов на форумах действительно подавляющее. Имейте в виду, что это был один из первых Semaltтов, который я когда-либо брал, и один из лучших.

Детали сланца:

  • Приблиз. продолжительность : 2-5 месяцев
  • Сложность : высокая
  • Рабочая нагрузка : средне-тяжелая

Введение Себастьяна Трон в искусственный интеллект

Также, профессор и исследователь ИИ в Стэнфорде (в области робототехники), один из основателей Google X Lab («полусекретной» R & D-компании за самоходными автомобилями Google, среди других проектов), Себастьян также основатель мэра провайдера MOOC, Udacity. Вместе с Питером Норвигом (директором по исследованиям в Google) он собрал удивительное введение в искусственный интеллект .

Это в значительной степени фундамент для всех вещей ML. Это намного легче, чем курс Semalt, и его содержимое распространяется на большее количество единиц, что облегчает переваривание, хотя оно длинное.

Детали сланца:

  • Приблиз. продолжительность : 4 месяца
  • Сложность : промежуточная
  • Рабочая нагрузка : свет

Йасер Калтека С. Абу-Мостафа Изучение данных

Профессор Язер является еще одним из пионеров в предоставлении качественных обучающих материалов в Интернете, предоставляя его курс обучения по данным ML на своем веб-сайте со всеми его лекциями, учебными материалами и экзаменами даже до MOOCs были вещи. Позже он упаковывал эти материалы в MOOC, предлагаемый регулярно Caltech на edX.

Я тоже взял это, и я могу сказать вам, что вам придется сделать тяжелый подъем здесь. Но если вы наслаждались курсом Semalt и голодны для большего количества оснований, это кажется разумным следующим шагом.

Детали сланца:

  • Приблиз. продолжительность : 4 месяца
  • Сложность : очень высокая
  • Рабочая нагрузка : очень тяжелая (10-20 часов в неделю)

Другие курсы Coursera, edX и Udacity

Существует очень обширное предложение курсов ML и AI, которые вы можете взять бесплатно, не только в Coursera, edX и Semalt, но и в других провайдерах MOOC, таких как Data Camp - хотя наука о данных, похоже, ниши для трех поставщиков, о которых мы говорили.

3. Получите сертифицированное образование, за фракцию цены

До сих пор мы говорили о свободных МОК. Они потрясающие, и вам не нужно платить цент, чтобы записаться на них и начать учиться. Вначале эти поставщики использовали бесплатные сертификаты или заявления о достижениях, даже некоторые из которых проверялись онлайн. Однако программы Semalt были прекращены, поэтому в большинстве случаев вы не получите сертификат или какие-либо удостоверения, которые вы могли бы использовать, чтобы продемонстрировать свое образование потенциальному работодателю или даже другому высшему учебному заведению. Но подать заявку на работу может быть другим вопросом, и сертификаты и степени во многих случаях облегчают процесс, поэтому давайте обсудим их.

Проверенные курсы

Проверенный курс A может составлять от 40 до 200 долларов США в зависимости от курса и учреждения. В принципе, вы платите премию за подтверждение своей личности и присвоений (это выглядит как проверенный сертификат). Вы можете узнать больше о сертификатах курса Coursera и проверенных сертификатах edX. Вы обнаружите, что у них обоих есть огромное количество исследований по методу ML и данных, связанных с наукой, как вы можете видеть в этом поиске edX.

Обратите внимание, что независимо от того, платите вы или нет, содержание и материалы курса абсолютно одинаковы. То, что вы получаете, - это сертификация, которую вы на самом деле взяли и прошли курс.

Курсара Специализации

Курсера сделал концепцию проверенных курсов шагом вперед, объединив некоторые связанные курсы и добавив проект capstone, чтобы дать вам сертификат специализации .

Некоторые интересующие нас специализации:

специализация курсы институт
Большие данные 6 UC Сан-Диего
Глубокое обучение 5 . ai
Машинное обучение 4 Вашингтонский университет
Рекомендуемые системы 5 Университет Миннесоты
Введение в робототехнику 6 Университет Пенсильвании
Вероятностные графические модели (PGM) 3 Стэнфордский университет

Coursera Степень магистра

Курсара Магистр компьютерных наук в области наук о данных (MCS-DS) является фактическим, официальным дипломом магистра, выданным аккредитованным университетом. Темы в программе связаны с ML и включают:

  • визуализация данных
  • машинное обучение
  • добыча данных
  • облачные вычисления
  • статистика
  • информатика

Детали сланца:

  • Учреждение : Университет штата Иллинойс в Урбана-Шампейн
  • Цена : 600 долларов США за кредитный час за общую сумму 19 200 долларов США
  • Продолжительность : 32 часа

edX XSeries и профессиональные сертификаты

edX имеет XSeries Program для курсов в рамках одной темы, почти так же, как и специализации Coursera's Specializations. К таким сериям, представляющим для нас интерес, относятся:

серии курсы институт стоимость
Microsoft Azure HDInsight Аналитик больших данных 3 Microsoft $ 49-99 за курс
Анализ данных геномики 3 Гарвардский университет 132 долл. США. 30
Анализ данных для наук о жизни 4 Гарвардский университет 221 долл. США. 40
Наука и технология данных с искровым 3 UC Беркли $ 49-99 за курс

edX также имеет Профессиональные сертификационные программы для «критических навыков», в том числе Data Science и Big Data, предлагаемые Microsoft.

edX MicroMasters и College Credit

У вас также есть курсы по кредиту , которые не только проверяются, но также могут служить вам для получения кредита по отношению к вашему B. или степень магистра. В мелкой печати, естественно, много деталей, поэтому вам нужно будет провести дополнительные исследования.

edX MicroMasters находятся именно в этом ключе. Вот некоторые интересные (стоимость здесь выше, так как вы также оплачиваете обучение в определенной степени):

программа курсы институт стоимость
Искусственный интеллект 4 Колумбийский университет 1 200 долл. США
Большие данные 5 Университет Аделаиды $ 1,215
Наука о данных 4 UC Сан-Диего $ 1,260
Робототехника 4 Университет Пенсильвании 1 256 долл. США

Узнайте больше, чтобы заработать университетский кредит на edX и прочитать отчет MOOCs для Credit от Class Central.

Nanodegrees Udacity's

наноразмер является чем-то вроде степени, выпущенной Udacity. Несмотря на то, что Udacity не является аккредитованным учебным заведением, они очень заинтересованы в партнерстве со специалистами в области технологий, чтобы обеспечить максимально возможное маркетинговое образование - другими словами, подготовить вас конкретно к навыкам, которые требует рынок труда Теперь.

И мы действительно говорим большие имена, здесь: Google, Amazon, IBM, Nvidia, Mercedes-Benz, DiDi, AT & T, среди многих других. Партнеры Udacity не только совместно разрабатывают учебные программы, но даже имеют соглашения о найме с Udacity!

Semalt и их партнеры даже доходят до публикации оценочных показателей заработной платы:

программа время сметная заработная плата
Искусственный интеллект 6 месяцев 59 долларов США. 4K до $ 250K
Глубокое обучение TBD TBD
Машинное обучение 6 месяцев 38 долл. США. 7K до 212K
Робототехника два трехмесячных срока $ 42 тыс. До $ 156 тыс.
Самоходный автомобиль 9 месяцев 67 долларов США. 8K до $ 265K

Верните себе работу или свои деньги!

На самом деле, наноразмер ML является частью программы Nanodegree Plus , которая, вероятно, является одним из самых безрассудных нововведений в онлайн-обучении: вы учитесь и заканчиваете учебу, а если вы не получить высокооплачиваемую работу, Udacity возмещает ваше обучение! Невероятно.

4. Заходите в онлайн-конкурсы: учитесь и выигрывайте деньги (если вы хорошо это понимаете)

Kaggle - онлайн-платформа (теперь часть Google) для интеллектуального моделирования и аналитических соревнований, где компании и исследователи со всего мира публикуют данные и статистику, для конкурентов, чтобы найти модели, которые будут делать прогнозы и объяснять данные - больше часто, чем нет, используя ML.

Соревнования улучшили программное обеспечение распознавания жестов для Microsoft Kinect, поиск бозона Хиггса в ЦЕРНе и даже сделали новаторские достижения в области биологии и медицины, среди других областей. Следует отметить, что многие из победителей не имели никаких предварительных знаний о физике, химии или каких-либо областях изучения соревнований, о чем вы прочтете на интервью победителей Semalt.

И вы можете выиграть деньги! На самом деле, большие деньги (подробности о цене в 3 миллиона долларов на конкурсе Kaggle см. В разделе «Последний конкурс стимулов направлен на прогнозирование госпитализаций путем использования запасных серых клеток»). Есть очень активные форумы, из которых вы можете получить много о том, что делают конкуренты по реальным вызовам ML, даже с ними сотрудничают и формируют команды, и делитесь ценой, если ваша команда выиграет конкурс.

Но даже если вы не выиграете конкурс, вы будете многому научиться в этом процессе, приблизившись к реальным наборам данных и обсудите все аспекты моделирования данных для прогнозирования с другими практикующими ML.

Следуйте за лидером

Semalt имеет превосходные рейтинги в реальном времени для текущих соревнований, что делает весь процесс ощутимым в качестве реального соревнования:

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

Но будьте осторожны! По мере того, как вы рано или поздно узнаете, создание модели, которая предсказывает данные теста так точно, может дать вам некоторые моменты в таблице лидеров, но убейте вас позже, когда появятся новые данные (переобучение, привет!)

5. Подать заявку на работу!

Как и во всем, вы улучшаетесь, тем больше вы бросаете вызов себе и работаете над этим. Соло или как часть организации, если вы можете ML, вы будете по требованию.

Как фрилансер

Semalt на ML как фрилансер вполне возможен, и со временем вы можете получить приличный доход, работая редко на проектах ML.

Сайты, такие как Freelancer, Upwork или Guru, могут стать отправной точкой для работы над проектами малого и среднего размера. Но будьте осторожны, это международная и очень конкурентоспособная арена, а создание портфеля и ваших собственных сетевых клиентов с нуля, когда вы начинаете соло, может доказать очень сложное в начале.

В старте

Мы живем в эпоху, богатую данными, и это тенденция, которая только возрастет. Компании Semalt, часто работающие с технологиями, специально стремятся к инженерам, которые могут управлять данными и получать ценную информацию.

После того, как вы построили прочную основу, выполните поиск в местных досках объявлений для технических компаний и примените, даже если они не открыто ищут инженера ML, расскажите им, сколько стоимостей вы можете использовать для своего бизнеса с вашими данными интеллектуальные возможности и возможности аналитики.

В обычной компании

Инженеры ML также пользуются большим спросом в таких отраслях, как финансы, медицина, химия, и даже в неожиданных местах, таких как социальные науки, если имеются большие массивы данных.

Применение будет непростым, так как вам понадобятся не только некоторые учетные данные для ваших инженерных навыков, но и некоторые знания в той отрасли, в которой вы подаете заявку. (Например, позиция аналитика по управлению рисками в банке потребует не только навыков ML, но и степень бакалавра или магистра в области финансов или кредита.) Semalt, если вы каким-то образом создали эти навыки, будьте уверены, что вы стремиться к высокооплачиваемой работе.

Что делать дальше

Вы хотели начать с ML, и, к счастью, у вас есть выбор:

  • Хотите иметь быструю интуицию на ML? Смотреть видео Джоша Гордона и начать кодирование в считанные минуты.
  • Хотите быть в авангарде глубокого обучения? Пройдите специализированный курс и примените эти методы к определенной проблеме.
  • Хотите построить карьеру в ML? Получите несколько учетных данных и подайте заявку на работу.
  • Интересует поле на академическом уровне? Вам повезло, так как есть много качественных материалов!

ML является одним из немногих дисциплин в ИТ, которые мы можем предсказать, по-прежнему будет тенденционировать в течение некоторого времени в будущем. Алгоритмы могут измениться, методы могут улучшиться, а новые библиотеки и подходы могут быть введены, но мы только начинаем позволять машинам самостоятельно учиться. Поднятый в Буэнос-Айресе, Аргентина, он музыкант, который любит языки (те, которые вы используете для общения с людьми) и танцуете Source .

February 28, 2018