(Этот пост также есть в моем блоге)
Начало - По мотивам канала YouTube
Еще в 2016 году канал на YouTube sentdex вдохновил меня начать следить за машинным обучением. sentdex - отличный ютубер, который дает бесплатные практические уроки на своем канале. Его канал охватывает широкий круг тем. Его серия машинного обучения привлекла мое внимание. Его контент делает такую сложную тему, как машинное обучение, такой простой для понимания. Например, Питон играет в GTA показывает, как он разрабатывает ИИ, чтобы видеть экраны кадр за кадром, и играет в игру. С тех пор я считаю, что приложения для машинного обучения могут быть интересными, и это не просто математическая формула для ученых.
Самостоятельное обучение
Я начал следить за серией статей senddex о Python для финансов, чтобы изучить основы Python для работы с данными. Параллельно я решил добавить прогноз машинного обучения для курса акций. Я взял книгу-бестселлер Практическое машинное обучение с помощью Scikit-Learn, Keras и TensorFlow, чтобы узнать, какие алгоритмы машинного обучения доступны мне для использования в этом случае. В нем представлен сложный алгоритм с простыми примерами, которые помогут вам понять, как работают эти алгоритмы, например почему в большинстве случаев случайный лес работает лучше, чем дерево решений с одним циклом, или в каком наборе данных следует выбирать один алгоритм вместо другого. Еще я изучил биржевые технические индикаторы на investopia.com. В итоге я построил несколько стратегий, основанных на технических индикаторах. Некоторые из моих исследований / знаний можно найти в моих более ранних постах.
Онлайн-курс
Позже я решил изучать ML на онлайн-курсах. Я нашла бесплатный курс Обучение с подкреплением от Udacity. Это курс для магистра компьютерных наук Geogia Tech Online. Там я изучил фундаментальные концепции RL, такие как QLearning, Monte Carlo, TD Learning и т. Д. Нет сомнений в том, что книга Саттона Обучение с подкреплением: Введение дает мне много подробностей для понимания теории. С другой стороны, я нашел Практическое упражнение на глубокое обучение с подкреплением полезным для меня, чтобы запачкать руки для практического решения проблемы. Я смог использовать то, что я узнал о Кере из этой книги, чтобы применить Deep Q Network для решения проблемы тренажерного зала OpenAI.
Интернет-мастер
В 2017 году я обнаружил, что Geogia Tech предлагает эту степень магистра компьютерных наук OMSCS со специализацией в машинном обучении от друга. Я искал системное обучение машинному обучению вместо случайных ресурсов. Стоимость OMSCS относительно ниже, чем у других программ магистратуры в кампусе. Он предлагает онлайн-курсы и курсы на неполный рабочий день. Это делает программу более привлекательной для меня, так как время очень гибкое. Курсы охватывают широкий спектр интересных областей, таких как искусственный интеллект, машинное обучение, обучение с подкреплением, компьютерное зрение и т. Д. Я зарегистрировался в программе и имею настоящий вкус обучения с теоретической точки зрения. Ожидается, что в ходе машинного обучения вы будете читать статьи, писать эти известные алгоритмы самостоятельно, объяснять производительность, сравнивать компромисс между алгоритмами. Сам курс определенно расширяет то, что я узнал из Практического машинного обучения. У онлайн-образования есть обратная сторона. Вы не можете своевременно задавать вопросы во время лекций, поскольку лекции предварительно записываются на Udacity. Вопросы направляются техническим специалистам, и им требуется время, чтобы ответить на них. Но в целом OMSCS пока что приятный опыт. Я также прошел обучение с подкреплением, где вы можете узнать, как агент может принять оптимальное решение на основе своего состояния в среде временных рядов. Эта тема может применяться к роботам, решениям игр и т. Д. Удивительно видеть, как агент действует случайным образом и извлекает уроки из своей награды за действия, а затем развивает свое понимание окружающей среды для будущих действий. Эти курсы фактически показывают мне, что математика по-прежнему играет решающую роль, когда дело доходит до выбора алгоритма на основе задач. Понимание того, как использовать фреймворк, такой как Tensorflow или Pytorch, не обязательно поможет вам добиться успеха в данной области.
Постоянное обучение
Теперь я SDE в голосовом помощнике. Я продолжу изучать тему ML и интересные алгоритмы. В настоящее время я погружаюсь в NLU, чтобы узнать, как можно использовать алгоритмы для понимания человеческих языков. Если кому-то известны какие-нибудь интересные статьи или ресурсы, поделитесь в комментариях.
Мой предыдущий пост
Мои сообщения об интервью FAANG
Мои сообщения о финансах и технологиях
Учебное пособие по разработке полного стека: интеграция бессерверной службы AWS Lambda в Angular SPA
Учебное пособие по разработке полного стека: визуализация торговых данных на Angular SPA