Машинное обучение было горячей темой в течение последних нескольких лет и продолжает оставаться таковой. Спрос на специалистов по машинному обучению растет день ото дня, поскольку крупные корпорации решают использовать свои большие наборы данных за пределами бизнес-логики, как это было сделано с помощью методов хранения данных несколько десятилетий назад.
Машинное обучение — в основном это «область исследования, которая дает компьютерам возможность учиться без явного программирования». (Артур Сэмюэл)
Есть много случаев, когда машинное обучение используется, как в рекомендациях Youtube. Рекомендации Youtube используют алгоритмы машинного обучения, чтобы эффективно рекомендовать ваши видео, на которые вы, скорее всего, нажмете. Youtube делает это, используя данные, генерируемые пользователями, а затем применяя к ним алгоритмы машинного обучения, чтобы создать модель, которая впоследствии может прогнозировать рекомендации на основе данных, генерируемых пользователем.
Есть много корпораций, которые лидируют в гонке искусственного интеллекта (машинное обучение является подмножеством искусственного интеллекта), Google, можно сказать, лидер среди них. В Google доступно огромное количество ресурсов, если вы хотите начать свою карьеру в области машинного обучения. Но я бы все же не рекомендовал вам выбирать только ресурсы Google для изучения машинного обучения. Если вы один из тех парней, которые искали в Интернете курсы по машинному обучению, то вы, должно быть, нашли ускоренный курс Google по машинному обучению. Но позвольте мне сказать вам кое-что, чего вам никто не скажет: этот курс — не лучший способ начать свое путешествие по машинному обучению. Не потому, что он слишком сложный, а потому, что он слишком совершенен. Я дам вам правильный путь для начинающих в этой статье позже. Перед этим давайте разберемся, почему машинное обучение так важно сейчас, несмотря на то, что оно зародилось два десятилетия назад.
Сегодня машинное обучение более актуально, чем десять лет назад, но вам должно быть интересно, почему? Ну, на это есть много-много причин. Но одним из них является рост объема данных. Сегодня мы (как люди) генерируем в геометрической прогрессии больше данных, чем десять лет назад. Данные подобны кислороду для области машинного обучения. Без данных нет периода машинного обучения! Теперь вам должно быть интересно, что такого особенного в данных? почему это так важно в ML (машинном обучении)? Что ж, позвольте мне кратко рассказать вам о том, как данные используются системами машинного обучения. Данные (исторические) используются для обучения систем ML, которые позже будут использоваться для создания модели ML, на основе этой модели мы будем прогнозировать значения из наших (входных) текущих данных. Если вы все еще запутались в процессе, не волнуйтесь, вся эта серия статей охватит все факты, и вы даже можете прокомментировать эту статью, и я отвечу и развею ваши сомнения. А пока давайте возьмем простой пример, чтобы вы могли лучше понять процесс.
Допустим, вы управляете небольшой пиццерией. И у вас все компьютеризировано, от вашей биллинговой системы до информации о клиентах. У вас есть данные для всего. Эти данные, которые у вас есть, не имеют ценности, если вы их не используете. Предположим, вы хотите предсказать, что нравится покупателям во вторник, а что в другие дни. Это можно сделать с помощью простых алгоритмов ML, и это даже сэкономит вам стоимость дополнительного сырья, которое тратится впустую каждый день, которое не используется, потому что на этот товар нет заказов.
Машинное обучение имеет множество применений. Большинство людей хотят изучать машинное обучение не потому, что хотят решать проблемы, а потому, что хотят работать, потому что в наше время за машинное обучение платят больше. Что ж, это очень хорошая стратегия, но не лучшая. Вы должны изучить ML, чтобы решить определенную проблему, это должно быть вашей целью, а не зарабатывать деньги. ML в настоящее время используется для исследования рака, запуска ракет в космос, ракет, испытаний ядерного оружия, систем рекомендаций, обработки изображений, управления трафиком и т. Д. Если вы видите проблемы вокруг себя и думаете, что это может быть лучше решено с помощью ML, тогда я на 100 % уверен, что вы будете пионером в ML, а не тем, кто научился этому ради денег. В мире много проблем, вы должны выбрать одну и начать решать ее и думать о решениях с использованием ML.
Моя любимая проблема, которую я хочу решить с помощью машинного обучения, — сократить время, затрачиваемое нашими судами на отправление правосудия. Я хочу разработать систему, которая могла бы помочь судьям ускорить процесс справедливого отправления правосудия в массы. Вот почему я начал изучать ML и буду продолжать это делать, даже если решу эту проблему с помощью ML.
Теперь давайте рассмотрим некоторые важные детали, чтобы вы могли начать прямо сейчас с ML.
Предпосылки
Конечно, есть предпосылки к ОД. Но их не так уж сложно выучить.
- Знание линейной алгебры.
- Язык программирования.
- Усердие в решении проблем.
Это все!
Первые детские шаги
Теперь я предоставлю вам шаги, которым вы будете следовать шаг за шагом, чтобы понять начальный уровень ML —
- Перейдите на Coursera.com и присоединитесь к курсу машинного обучения Эндрю Н. Г. и просмотрите первые 3 видео за 3 недели и 6-ю неделю.
- Изучайте Python на курсах Google или на сайте codeacademy.com.
- Изучайте библиотеки Python Numpy, Pandas из Интернета из любого источника, который вам нравится.
- Изучите повторы машинного обучения от Google (Youtube)
- Перейдите в Kaggle и решите основные проблемы ML, которые вы узнали за 1 шаг, как это сделать.
- После выполнения первых 5 шагов вы теперь обладаете знаниями в области машинного обучения, которыми большинство высокооплачиваемых инженеров машинного обучения не обладают даже в Силиконовой долине. Вооружившись всеми знаниями, пройдите весь курс Эндрю Н.Г., который вы оставили на 3 неделе.
- Это все! Теперь вы эксперт по машинному обучению! Идите, решайте проблемы и делайте мир лучше.
Я буду публиковать много статей об машинном обучении и о том, как решать проблемы с ним, так что будьте со мной в моем путешествии, когда вы начнете свое.
Подпишитесь на меня, чтобы не пропустить новые интересные статьи о том, как машинное обучение может изменить мир, в котором мы живем, и сделать его лучше. Пожалуйста, прокомментируйте статью, если у вас есть какие-либо сомнения. Это моя первая статья, так что простите меня за все мои ошибки.
А пока делайте свидания!!
