Добро пожаловать. Давайте начнем?

Что

Первое препятствие на пути к машинному обучению: что это за машинное обучение?

Машинное обучение — это приложение искусственного интеллекта (ИИ), которое предоставляет системам возможность автоматически учиться и совершенствоваться на основе опыта без явного программирования. — Источник здесь.

Таким образом, в основном это приложение ИИ, которое дает системе возможность учиться на собственном опыте без условий «если/иначе».

Почему?

Зачем нам изучать машинное обучение? Простой ответ: почему бы и нет? Иметь возможность создавать что-то, что потенциально могло бы сделать нас как людей лучше, что могло бы помочь нам в нашей повседневной жизни, чертовски здорово! Кроме того, вы, вероятно, могли бы создать своего собственного JARVIS (например, Тони Старка), что является моей целью.

Куда?

Итак, теперь вопрос в том, как мне начать изучать ML?

Ну, во-первых, вам понадобится язык программирования для использования. Вы можете выбрать Java, Python, C# и другие языки. Я освоился с Python, и уже существует множество сообществ машинного обучения, использующих Python, поэтому до конца нашего пути мы будем использовать Python. Я рекомендую курс Codecademy, если вы не изучали Python.

Вы, наверное, гуглили, как изучить машинное обучение, и, возможно, где-то читали, что для начала требуется много знаний по математике. Это не совсем так. Да, изучение математики может быть очень полезным, но иногда даже самые простые знания могут быть очень полезными.

Таким образом, даже имея самые простые модели и не слишком много математических ноу-хау, вы уже так много можете сделать! Это отличная новость, не так ли?

Поиск карты…

Теперь нужно найти руководство.
Я перерыл множество руководств по машинному обучению в Интернете. Я проверил Sentdex, Udacity, Google и Coursera. Но я обнаружил, что лучший учебник для меня — это Kaggle.

Что такое Каггл? Взято из записной книжки Зишан-уль-хасана Усмани:

1. «Kaggle — это AirBnB для специалистов по данным».
2. «Kaggle позволяет специалистам по данным и другим разработчикам участвовать в проведении конкурсов по машинному обучению, писать код и делиться им, а также размещать наборы данных».

Проверьте Kaggle.

Kaggle размещает сотни тысяч наборов данных для использования учеными и разработчиками данных. Здесь также проводятся соревнования, в которых могут участвовать разработчики и специалисты по данным. Вы даже можете выиграть приз ($$$) в некоторых из этих соревнований.

Чего многие не знают, так это того, что в Kaggle также есть раздел Обучение, так что вы тоже можете начать изучать машинное обучение, глубокое обучение, визуализацию данных и множество других вещей!

Учиться в Kaggle так просто, потому что у него есть эти маленькие «блокноты», которые содержат текст, код и результат этого кода. Эти маленькие записные книжки легко объясняют концепции тем и то, что они делают, не уводя вас в страну воображения. Кроме того, данные, используемые для кода, легко найти на вкладке «Данные» блокнота, которую вы можете загрузить и поэкспериментировать самостоятельно. УРА!

У Kaggle также есть отличное сообщество, в котором есть такие эксперты и нубы, как я. Так что вы никогда не остаетесь в стороне.

Этот пост не спонсируется Kaggle, и я никоим образом не связан с ним. Мне просто очень нравится учиться в Kaggle.

P.S. У всех нас разные стили обучения. Я люблю читать короткие статьи, которые легко объясняют вещи в как можно меньшем количестве кода, который может работать для моего конкретного использования, и Kaggle легко делает это для меня. Вам обязательно стоит попробовать Sentdex, Udacity, Google и Coursera, поскольку они предлагают отличный и всеобъемлющий контент, который также может соответствовать вашему стилю обучения.