Давайте поговорим о 6 шагах к тому, чтобы стать экспертом в области машинного обучения в 2019 году. На это меня вдохновил мастер-класс по машинному обучению, который был запущен моей командой на этой неделе.
1. Программирование на Python
Любой учащийся, который хочет изучить машинное обучение на практике, а не только в теории, должен сначала научиться программировать на Python. Будучи более кратким и чистым языком, чем другие, такие как Java и C#, Python легко выучить даже тому, кто никогда раньше не программировал.
2. Концепции машинного обучения
Прежде чем приступить к конкретному проекту, важно иметь четкое представление о том, что такое машинное обучение. Это гарантирует, что вы знаете все термины и концепции, упомянутые при изучении курса или поиске документации для вашего первого реального проекта.
3. ТензорФлоу 2.0
Поскольку она была разработана Google, неудивительно, что TensorFlow является самой популярной библиотекой. И это тоже с открытым исходным кодом! TensorFlow 2.0 был только что выпущен, поэтому убедитесь, что вы не выбираете устаревшее руководство, используя более раннюю версию. Если вы хотите изучить самую последнюю библиотеку, ищите TensorFlow 2.0.
Сначала вам нужно изучить основы TensorFlow и ознакомиться с библиотекой и ее синтаксисом. Лучший способ научиться — сделать несколько простых проектов, предназначенных для начинающих и не перегружающих вас.
4. Модели данных и алгоритмы
На этом этапе вы сможете создать собственный конвейер данных для производства. Многие учебные пособия предназначены либо для новичков, либо для экспертов, поэтому может быть трудно найти полную серию руководств, когда вы находитесь на этом промежуточном этапе. Там, где вы можете найти проекты, создание примеров — лучший способ узнать больше о том, как работать с данными различными способами.
5. Нейронные сети
Здесь вы можете погрузиться в глубокое обучение и использовать Python и TensorFlow вместе для создания еще более сложных проектов. Обязательно попробуйте реализовать различные типы нейронных сетей, в том числе различные типы неконтролируемых и контролируемых сетей.
6. Реальные проекты
Это означает компьютерное зрение для распознавания изображений. Это означает прогноз акций. Обнаружение мошенничества.
У машинного обучения так много приложений, что вы можете сразу погрузиться в них в небольшом масштабе. Вы можете создать собственную версию рекомендательных систем Amazon и Netflix. Вы можете реализовать обнаружение полосы движения, обнаружение автомобиля и навигацию по кривой для беспилотных автомобилей.
В реальном мире этими проектами занимаются команды людей. Пока вы учитесь, вы можете создать подмножество такого проекта или проект в меньшем масштабе, чтобы показать, на что вы способны, и стать одним из людей в команде машинного обучения.
Если вы так же серьезно относитесь к машинному обучению, как и я, ознакомьтесь с мастер-классом по машинному обучению моей команды.
