Присоединяйтесь к побеждающей стороне ML и AI

Мы находимся в разгаре технологического прорыва, и тенденция приближает следующую революцию.

Так много лежит на плечах молодых турок, вступающих в это пространство, следующего поколения, наших детей. Особенно для тех, кто скоро покинет школу или только что бросил школу, это время понять и использовать то, что революция значит для общества.

Текущие тенденции можно разделить на категории BigData, Cloud, IOT, Robotics, AR/VR и Machine Learning/Deep Learning/AI. Здесь я больше сосредоточусь на последнем.

Чтобы понять контекст, IOT имеет дело с подключением устройств, транспортных средств и бытовой техники через Интернет для взаимодействия и обмена операционными и функциональными данными. По мере того, как объем данных превышает петабайты, локальные системы становятся неспособными поддерживать этот огромный поток. Здесь входит Облако. Основными конкурентами являются AWS, MS Azure и GCP.

Теперь, как справиться с потоком данных? Вот где BigData входит в сценарий. Данные из социальных сетей, датчиков/устройств IoT, корпоративные данные, текстовые данные — все они загружаются в виде файлов разных форматов в управляемое озеро данных, в котором также хранятся метаданные данных, без которых они не имеют смысла. Озеро данных само по себе довольно сложно. Существуют различные формы поступления данных, такие как пакетный режим, режим почти реального времени (NRT) или потоковая передача в реальном времени. Также существуют различные способы хранения данных, в зависимости от частоты чтения и записи, задержка чтения зависит от функциональных аспектов или аспектов использования данных. Эти данные снова используются в нескольких сценариях использования для маркетинга, отчетности и бизнес-панелей, аналитических рабочих нагрузок и расширенной аналитики.

Робототехника, AR/VR (дополненная/виртуальная реальность) и даже 3D-печать — вот некоторые из новых тенденций, которые получили большое распространение в сфере инноваций.

Что касается машинного обучения (ML), то это подмножество ИИ. Это подход к прогнозированию результатов/выводов из сравнительно небольшого набора данных с функциями, определенными с помощью разработки функций. Глубокое обучение — это подмножество машинного обучения. Он требует огромного количества данных для обучения и требует больших вычислительных ресурсов, т. е. требует мощных процессоров или графических процессоров. Искусственный интеллект — это наука о создании интеллектуальных машин, чтобы машины могли думать как люди. Наряду с этими разработками становится очень важным заниматься такими темами, как мораль машин. AI/ML требует хорошего понимания математики и статистики, чтобы углубиться в нее.

Так что, если вы энтузиаст и это вас интересует, приступайте к делу. Несмотря на то, что существует множество курсов и путей обучения, платных и бесплатных, я сосредоточусь на бесплатных источниках, необходимых для того, чтобы вы начали работу и сделали из вас эксперта по вашему усмотрению. Некоторые хорошие платные онлайн-курсы, известные в отрасли, предлагают Coursera, EDx (университетские курсы), Udacity и прямые онлайн-курсы от иностранных университетов, таких как MIT и Гарвард. Итак, как уже упоминалось, ниже приведены бесплатные пути обучения.

Математика и статистика

  • Академия Хана
  • MIT Open Coursewar на Youtube
  • EDX (Зачисление без сертификата)

Программное обеспечение для обучения ML/DL/AI

  • Курсы в Fast.AI
  • Kaggle Обучение
  • EDX (Зачисление без сертификата)
  • Удеми (курсы около 700–1500 рупий)
  • Каналы Youtube для получения дополнительной помощи, такие как Analytics University, Siraj Raval.

Блоги и вебинары

  • Каггл
  • Середина
  • На пути к науке о данных
  • АналитикаVidhya
  • DataScienceCentral
  • И многое другое

Если вы все еще не чувствуете достаточной мотивации, чтобы поднять свой ноутбук, найдите соревнования Kaggle на своем телефоне, и вы можете просто быстро найти себя!

Моя заметка предназначена, в первую очередь, для современных детей и взрослых энтузиастов, но и другие могут приложить усилия, чтобы понять, что происходит вокруг нас. Итак, счастливого обучения!