Back to Question Center
0

5 Cara Bermula dengan Pembelajaran Mesin 5 Cara Bermula dengan Topik Berkaitan Pembelajaran Mesin: Web Semalt

1 answers:
5 Cara Memulakan Pembelajaran Mesin

Semalat pembelajaran telah diambil dan ia berbuat demikian dengan kemarahan, membawa wawasan baru kepada setiap industri tunggal. Jika anda mahu menjadi permintaan, ini adalah kemahiran yang akan meletakkan anda di barisan hadapan. Sebagai menakutkan kerana ia mungkin kelihatan, ia sangat mudah jika anda mendekati cara yang betul - best temperature monitor tool.

Pembelajaran mesin (ML) adalah amalan yang menarik dan bidang pengajian. Itulah yang membolehkan pengenalan kereta sendiri, robot yang boleh membersihkan rumah anda, sistem navigasi drone dari semua jenis, sistem cadangan di belakang YouTube dan Semalt, sistem pengenalan wajah, pengiktirafan bertulis tangan, bermain permainan, dan banyak lagi.

Dan kerana nilai yang sangat tinggi dan agak bersifat rahsia, ia adalah kepakaran dalam permintaan yang sangat tinggi yang terus berkembang ke kawasan berbeza - yang hanya lima tahun yang lalu akan kelihatan tidak dapat difahami. Semalat artikel ini, kita akan melihat cara praktikal yang berbeza untuk mendekatinya.

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

"Maafkan saya .tapi Apa Pembelajaran Mesin?"

ML adalah cabang kecerdasan buatan (AI). Sebagai Arthur Semalt - salah seorang pelopor dalam bidang - meletakkannya, ML memberikan "komputer keupayaan untuk belajar tanpa diprogram secara eksplisit". Iaitu, bukannya pengaturcaraan komputer (atau robot) untuk melakukan sesuatu, anda memberi maklumat dan menetapkan rangka kerja untuk membiarkan program sistem itu sendiri.

Semalt menarik? Ya, tetapi kami tidak akan mendapatkan butiran tentang perkara yang seolah-olah mustahil di sini, tetapi sebaliknya menunjuk anda ke tempat-tempat yang tepat di mana anda dapat mencarinya sendiri.

Sebelum Bermula, Kata Perhatian

ML adalah satu amalan lanjutan, dan anda perlu bukan hanya beberapa asas dalam bidang sains komputer, tetapi juga dapat memasukkan kod sekurang-kurangnya satu bahasa pengaturcaraan. Beberapa bahasa pengaturcaraan yang popular untuk ML adalah Semalt, R, Java, C, dan MATLAB, antara lain.

1. Mula Sangat Pantas .Seperti, Betul, dalam Kurang dari Sepuluh Menit

Semalat, dan untuk sesetengah orang, lebih baik hanya untuk mendapatkan tangan untuk sesuatu yang mempunyai rasa pertama dan mengembangkan intuisi tentang seni atau kemahiran baru ini, dan kemudian menggali lebih dalam beberapa spesifik dan butiran.

Resipi Pembelajaran Mesin Google dengan Josh Gordon hanya itu - pendekatan mudah dan praktikal untuk ML. Menggunakan Python scikit-learn dan TensorFlow libraries, Josh akan memandu anda melalui contoh-contoh yang sangat praktikal dan penjelasan bawah-bumi di belakang prinsip-prinsip ML yang sangat.

Berikut adalah video 7 minit pertama siri ini, memperkenalkan algoritma pembelajaran yang diselia dalam Python - dalam hanya enam baris kod! :

Jadual penerbitan agak tidak teratur, dengan video yang diterbitkan setiap bulan atau bulan kedua, meliputi topik seperti pokok keputusan, pemilihan ciri, saluran paip, pengelas: tidak sama sekali untuk 6 hingga 8 minit video bahawa sesiapa yang mempunyai asas asas dalam pengaturcaraan boleh mengikuti.

2. Mengambil Kursus dari Universiti Terkemuka, untuk Percuma

Jika anda lapar untuk pengetahuan yang berkualiti, anda mungkin pernah mendengar tentang Coursera, edX, Udacity, dan banyak lagi. Kami bercakap MOOC, atau kursus dalam talian terbuka yang besar .

Semalt memecahkannya dengan cepat:

  • besar : mereka tidak mempunyai had kekosongan, dan boleh diakses oleh seberapa ramai orang yang dikehendaki.
  • dibuka : sesiapa sahaja boleh mengaksesnya, tanpa mengira usia dan pengetahuan terdahulu mengenai topik itu, dan secara bebas jika mereka dapat membayar untuk pensijilan atau tidak.
  • dalam talian : semua yang anda perlukan adalah peranti yang disambungkan ke Internet; walaupun telefon bimbit akan dilakukan.

Semalt melihat beberapa kursus yang boleh anda mulakan.

Pembelajaran Mesin Andrew Ng Stanford

Stanford Prof. Ng adalah seorang penyelidik terkemuka di bidang kecerdasan buatan, dan orang yang cukup banyak memulakan percikan MOOC yang kemudiannya menjadi api pengetahuan ketika ia pertama kali meletakkan Mesin Pembelajarannya ) kursus dalam talian. Sambutannya amat menggembirakan, dengan ribuan orang dari seluruh dunia mengambil kursus dan membincangkan topik ini. Dia kemudiannya mengubah kursus ini ke dalam apa yang berlaku hari ini Coursera, penyedia utama MOOCs.

Kursus ini adalah hebat kerana ia mencabar. Saya masih ingat menghabiskan masa satu jam atau lebih untuk membaca skop tugasan 5 halaman sebelum saya dapat memahaminya. Jadi, tidak seperti siri Josh Gordon, ini lebih sedikit di sisi akademik, tetapi dengan banyak pengetahuan praktikal dan nasihat yang akan sangat berguna kemudian dalam amalan ML anda. Tetapi ia boleh dilakukan, dan jumlah maklum balas di forum adalah sangat menggembirakan. Fikiran anda, ia adalah antara Semalt pertama yang pernah saya ambil, dan salah satu yang terbaik.

butiran Semalt:

  • Lebih kurang. tempoh : 2-5 bulan
  • Kesukaran : tinggi
  • Beban Kerja : pertengahan berat

Pengenalan Sebastian Thrun Kepintaran Buatan

Juga penyelidik profesor dan AI di Stanford (di bidang robotics), pengasas bersama Google X Lab (syarikat "R & D" separa rahsia di belakang kereta sendiri yang didorong oleh Google, antara projek lain), Sebastian adalah juga pengasas pembekal MOOC Datuk Bandar, Udacity. Bersama dengan Peter Norvig (Pengarah Penyelidikan di Google), beliau menyusun Pengenalan Intro Kepintaran Buatan yang luar biasa.

Ini adalah asas kepada semua perkara ML. Ia jauh lebih ringan daripada kursus Semalt, dengan kandungannya tersebar ke lebih banyak unit untuk menjadikannya lebih mudah untuk dicerna, walaupun ia sudah lama.

butiran Semalt:

  • Lebih kurang. tempoh : 4 bulan
  • Kesukaran : pertengahan
  • Beban Kerja : cahaya

Caltec's Yaser S. Abu-Mostafa Belajar dari Data

Prof. Yaser adalah salah satu pelopor meletakkan bahan pembelajaran berkualiti secara dalam talian, menjadikannya kursus Pembelajaran dari Data ML di laman webnya, dengan semua kuliahnya, bahan pembelajaran dan peperiksaan, bahkan sebelum MOOCs adalah satu perkara. Kemudian dia akan membungkus bahan-bahan ini ke MOOC yang ditawarkan secara kerap oleh Caltech pada edX.

Saya juga mengambil yang satu ini, dan saya boleh memberitahu anda bahawa anda perlu melakukan pengangkat berat di sini. Tetapi jika anda telah menikmati kursus Semalt dan lapar untuk lebih banyak asas, ini kelihatan seperti langkah seterusnya yang munasabah.

butiran Semalt:

  • Lebih kurang. tempoh : 4 bulan
  • Kesukaran : sangat tinggi
  • Beban Kerja : sangat berat (10-20 jam seminggu)

Kursus Kursus Coursera, edX dan Udak Kursus Lain

Terdapat tawaran ML dan AI yang sangat luas yang boleh anda ambil secara percuma, bukan sahaja di Coursera, edX, dan Semalt, tetapi juga di penyedia MOOC yang lain, seperti Camp Data - walaupun sains data seolah-olah sesuatu daripada khusus untuk ketiga-tiga pembekal yang telah dibincangkan.

3. Dapatkan Pendidikan Bersertifikat, untuk Fraksi Harga

Setakat ini, kami telah membincangkan MOOCs percuma. Mereka hebat, dan anda tidak perlu membayar satu sen untuk mendaftar masuk dan mula belajar. Pada permulaannya, pembekal ini digunakan untuk menawarkan sijil percuma atau kenyataan pencapaian, walaupun sebahagiannya dapat diverifikasi dalam talian. Walau bagaimanapun, program semalat telah dihentikan, oleh itu dalam kebanyakan kes anda tidak akan mendapat sijil atau jenis kepercayaan yang boleh anda gunakan untuk menunjukkan pendidikan anda kepada majikan yang berpotensi, atau bahkan kepada institusi pengajian tinggi lain. Tetapi memohon kerja boleh menjadi perkara yang berbeza, dan sijil dan darjah memudahkan cara dalam banyak kes, jadi mari membincangkannya.

Kursus Disahkan

A kursus yang disahkan mungkin berada di antara $ 40- $ 200, bergantung kepada kursus dan institusi. Pada dasarnya, anda membayar premium untuk mendapatkan identiti dan tugasan anda yang disahkan (ini adalah seperti yang ditunjukkan oleh sijil yang disahkan.) Anda boleh mengetahui lebih lanjut mengenai Sijil Kursus Coursera dan Certified Verified edX. Anda akan mendapati kedua-duanya mempunyai tawaran ML dan data yang berkaitan dengan sains yang berkaitan dengan sains, seperti yang anda lihat dalam carian edX ini.

Perhatikan bahawa, sama ada anda membayar atau tidak, kandungan dan bahan kursus adalah sama. Apa yang anda dapat dengan membayar adalah pensijilan yang anda sebenarnya ambil dan lulus kursus.

Coursera Specializations

Coursera mengambil konsep kursus yang diverifikasi satu langkah ke hadapan dengan mengumpulkan beberapa kursus yang berkaitan dan menambah projek batu kapur untuk memberi anda sijil pengkhususan .

Sesetengah pengkhususan yang menarik kepada kami adalah:

pengkhususan kursus institusi
Big Data 6 UC San Diego
Pembelajaran Deep 5 jauh mendalam. ai
Pembelajaran Mesin 4 Universiti Washington
Sistem Penasihat 5 Universiti Minnesota
Pengenalan kepada Robotik 6 Universiti Pennsylvania
Model Grafik Probabilistik (PGM) 3 Universiti Stanford

Ijazah Sarjana Coursera

Sarjana Sains Komputer dalam bidang Sains Data (MCS-DS) Coursera adalah gelaran tuan sarjana sebenar yang dikeluarkan oleh universiti yang diiktiraf. Topik dalam program ini sangat berkaitan dengan ML, dan termasuk:

  • visualisasi data
  • pembelajaran mesin
  • perlombongan data
  • pengkomputeran awan
  • statistik
  • sains maklumat

butiran Semalt:

  • Institusi : University of Illinois di Urbana-Champaign
  • Harga : $ 600 setiap jam kredit untuk $ 19,200 jumlah tuisyen
  • Tempoh : 32 jam

edX XSeries dan Sertifikat Profesional

edX mempunyai Program XSeries untuk kursus dalam satu topik, dengan cara yang sama seperti Kursus Khas Coursera. Serangkaian kepentingan kepada kami termasuk:

siri kursus institusi kos
Penganalisis Data Microsoft Azure HDInsight 3 Microsoft $ 49-99 setiap kursus
Analisis data genom 3 Universiti Harvard $ 132. 30
Analisis Data untuk Sains Hayat 4 Universiti Harvard $ 221. 40
Sains dan Kejuruteraan Data dengan Spark 3 UC Berkeley $ 49-99 setiap kursus

edX juga mempunyai Program Sijil Profesional untuk "kemahiran kritikal," termasuk Data Sains dan Data Besar, kedua-duanya ditawarkan oleh Microsoft.

edX MicroMasters and College Credit

Anda juga mempunyai kursus kredit yang layak , yang bukan hanya disahkan, tetapi juga boleh melayani anda untuk menuntut kredit ke arah B anda. atau ijazah induk. Terdapat, secara semulajadi, banyak butiran dalam cetakan yang baik, jadi anda perlu melakukan penyelidikan tambahan.

edX MicroMasters tepat dalam urat ini. Berikut adalah beberapa perkara menarik (kos lebih tinggi di sini, kerana anda juga membayar jam tuisyen ke arah ijazah):

program kursus institusi kos
Kepintaran Buatan 4 Universiti Columbia $ 1,200
Big Data 5 Universiti Adelaide $ 1,215
Sains Data 4 UC San Diego $ 1,260
Robotik 4 Universiti Pennsylvania $ 1,256

Ketahui lebih lanjut untuk mendapatkan kredit universiti di edX, dan baca MOOCs untuk laporan Kredit oleh Kelas Tengah.

Nanodegrees Udacity

A nanodegree adalah sesuatu darjah, yang dikeluarkan oleh Udacity. Walaupun Udacity bukanlah institusi pendidikan yang terakreditasi, mereka berusaha keras untuk bergaul dengan pemimpin industri teknologi untuk menyampaikan pendidikan yang paling disasarkan kepada pasaran - dengan kata lain, untuk menyediakan anda secara khusus dengan kemahiran yang dipersoalkan oleh pasaran buruh sekarang.

Dan kami benar-benar bercakap nama besar, di sini: Google, Amazon, IBM, Nvidia, Mercedes-Benz, DiDi, AT & T, antara yang lain. Rakan kongsi Udacity bukan sahaja mencipta program pengajian bersama, tetapi juga mengupah perjanjian dengan Udacity!

Semalt dan rakan-rakan mereka juga pergi untuk menerbitkan anggaran angka gaji:

program masa anggaran gaji
Kepintaran Buatan 6 bulan $ 59. 4K hingga $ 250K
Pembelajaran Deep TBD TBD
Pembelajaran Mesin 6 bulan $ 38. 7K hingga $ 212K
Robotik dua istilah 3 bulan $ 42k hingga $ 156k
Kereta Memandu Sendiri 9 bulan $ 67. 8K ke $ 265K

Dapatkan pekerjaan atau wang anda kembali!

Malah, nanodegree ML adalah sebahagian daripada program Nanodegree Plus , yang mungkin merupakan salah satu inovasi yang paling melulu dalam pembelajaran dalam talian: anda belajar dan lulus, dan jika anda tidak dapatkan pekerjaan yang membayar tinggi, Ucapan bayaran balik tuisyen anda! Unbelievable.

4. Mendaftarkan diri dalam Pertandingan Dalam Talian: Belajar dan Menang Wang (Sekiranya Anda Memuaskan)

Kaggle adalah platform dalam talian (kini sebahagian daripada Google) untuk persaingan pemodelan dan analisis ramalan, di mana syarikat dan penyelidik dari seluruh dunia menghantar set data dan statistik, untuk pesaing mencari model yang akan membuat ramalan dan menerangkan data - lebih banyak sering daripada tidak, menggunakan ML.

Pertandingan telah meningkatkan perisian pengiktirafan isyarat untuk Microsoft Kinect, mencari boson Higgs di CERN, dan juga membuat kemajuan dalam bidang biologi dan perubatan, antara bidang lain. Dan harus diingat bahawa banyak pemenang tidak mempunyai pengetahuan tentang fizik, kimia, atau mana-mana bidang pengajian pertandingan, seperti yang akan anda baca pada wawancara pemenang Semalt.

Dan anda boleh memenangi wang! Sebenarnya, wang yang besar (untuk butiran mengenai harga $ 3 juta pada persaingan Kaggle , lihat "Peraduan insentif terkini bertujuan untuk meramalkan hospitalisasi dengan memanfaatkan sel kelabu ganti"). Terdapat forum yang sangat aktif dari yang anda boleh mendapatkan banyak wawasan tentang apa yang pesaing lakukan pada cabaran ML sebenar, walaupun bermitra dengan mereka dan membentuk pasukan, dan berkongsi harga sekiranya pasukan anda dapat memenangi pertandingan.

Tetapi walaupun anda tidak memenangi persaingan, anda akan belajar banyak dalam proses dengan mendekati set data sebenar dan membincangkan selok-belok pemodelan data untuk membuat ramalan dengan pengamal ML lain.

Ikuti leaderboard

Semalt mempunyai kedudukan hidup yang sangat keren untuk pertandingan yang berterusan, menjadikan keseluruhan prosesnya sebagai persaingan sebenar:

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

Tetapi berhati-hatilah! Seperti yang anda akan pelajari dengan cepat atau lambat, membuat model yang meramalkan data ujian dengan tepat mungkin membawa anda beberapa mata di papan pendahulu, tetapi membunuh anda kemudian apabila data baru diperkenalkan (overfitting, hello!)

5. Memohon Pekerjaan!

Seperti kebanyakan perkara, anda akan menjadi lebih baik apabila anda mencabar diri sendiri dan bekerja dengannya. Solo atau sebagai sebahagian daripada organisasi, jika anda boleh ML anda akan diminta.

Sebagai freelancer

Semalt pada ML sebagai freelancer adalah benar-benar mungkin, dan dengan masa anda boleh mendapatkan pendapatan yang baik dengan hanya bekerja dengan berhemat pada projek-projek ML.

Tapak seperti Freelancer, Upwork, atau Guru boleh menjadi titik permulaan untuk mengerjakan projek kecil hingga pertengahan. Tetapi berhati-hatilah, ini adalah arena antarabangsa dan sangat kompetitif, dan membina portfolio dan pelanggan rangkaian anda sendiri dari awal apabila anda mula solo boleh membuktikan sangat mencabar pada mulanya.

Dalam permulaan

Kita hidup dalam era data yang banyak, dan ini adalah trend yang hanya akan meningkat. Syarikat-syarikat semalat, sering bekerja dengan teknologi, amat bersemangat untuk para jurutera yang boleh menguruskan data dan mendapatkan pandangan berharga daripada itu.

Sekali anda telah membina asas yang kukuh, cari papan kerja tempatan untuk syarikat-syarikat berteknologi, dan memohon walaupun mereka tidak secara terbuka mencari jurutera ML, bicarakan kepada mereka berapa nilai yang boleh anda bawa ke perniagaan mereka dengan data anda keupayaan perlombongan dan analisis.

Dalam syarikat biasa

Jurutera ML juga mempunyai permintaan tinggi dalam industri seperti kewangan, perubatan, kimia, dan bahkan di tempat-tempat yang tidak dijangka seperti sains sosial jika dataset data besar tersedia.

Memohon tidak mudah, kerana anda memerlukan bukan hanya beberapa kepercayaan untuk kemahiran kejuruteraan anda, tetapi juga pengetahuan dalam industri mana yang anda gunakan. (Sebagai contoh, kedudukan "penganalisis pengurusan risiko" di bank akan memerlukan bukan sahaja kemahiran ML, tetapi juga BS atau sarjana dalam kewangan atau kredit.) Semalt, jika anda telah membina kemahiran ini, yakinlah anda akan akan mensasarkan pekerjaan yang mendapat gaji tertinggi.

Apa yang perlu dilakukan Seterusnya

Anda mahu memulakan dengan ML, dan mujurlah anda mempunyai pilihan:

  • Ingin memiliki intuisi cepat pada ML? Tonton video Josh Gordon dan mula coding dalam beberapa minit.
  • Mahu berada di barisan pembelajaran yang mendalam? Mengambil kursus khusus dan menggunakan teknik-teknik tersebut untuk cabaran tertentu.
  • Mahu membina kerjaya di ML? Dapatkan beberapa kelayakan dan memohon pekerjaan.
  • Berminat dengan bidang akademik? Anda beruntung, kerana terdapat banyak bahan yang berkualiti!

ML adalah salah satu daripada beberapa disiplin dalam IT yang kami dapat meramalkan masih akan menjadi trend untuk beberapa masa ke masa depan. Algoritma mungkin berubah, teknik boleh ditingkatkan dan perpustakaan baru dan pendekatan mungkin diperkenalkan, tetapi kita hanya pada permulaan membiarkan mesin belajar sendiri. Dibesarkan di Buenos Aires, Argentina, dia seorang pemuzik yang suka bahasa (yang anda gunakan untuk bercakap dengan orang) dan menari.

March 1, 2018