Машинное обучение (МО) — это так круто, так здорово. ИИ в наши дни создает так много потрясающих новых вещей. Я должен вникнуть в это. Есть так много людей, которые делают классные вещи с AI/ML. Я тоже должен их сделать.

Если такие мысли крутятся в вашем мозгу, то продолжайте читать этот пост. Я тоже был там, и я хочу поделиться своим опытом.

Навыки ML/AI являются одними из самых важных после навыков в технологической отрасли. Люди с опытом ML/AI пользуются большим спросом. Если вы хотите попасть в него, сейчас самое время! Не теряйте ни минуты с этого момента.

Хорошо, это хорошие новости. Теперь вашей следующей задачей будет просмотр всего соответствующего учебного материала, необходимого для получения этих знаний. Вы наткнетесь на печально известную серию руководств Эндрю Нг на Youtube. Вы начнете думать, вы разжились золотым прииском! Это оно! Я могу посмотреть все эти видеоклипы и стать экспертом по машинному обучению. Ага…

Если это случилось или уже случилось с тобой, позволь мне рассказать тебе, мой друг. Это всего лишь 0,1% от того, что вам нужно, чтобы стать экспертом по машинному обучению.

ML — это большое поле. Он охватывает множество областей и углубляется во многие концепции. Без глубоких знаний по этим предметам мы никогда не сможем по-настоящему оценить ценность машинного обучения.

ML — очень требовательный предмет. Вы должны пройти следующие темы и многое другое, если это необходимо:

  1. Понимание различных типов моделей (их несколько)
  2. Модели обучения (не только часть обучения, но и проблемы, ошибки и сложные гиперпараметры).
  3. Подготовка данных (вам необходимо уметь очищать, обрабатывать, фильтровать и обрабатывать данные. Машинное обучение зависит исключительно от хороших данных. Плохие данные могут сломать всю вашу систему)
  4. Понимание того, какая Модель будет работать с какими данными. В частности, почему некоторые модели не могут работать с вашими данными.
  5. Проверка данных. Когда вы начинаете развертывать модель, вы понимаете, что система действует не так, как должна действовать для неизвестных данных. Это когда вы возвращаетесь и перестраиваете систему с нуля.
  6. Сопровождение системы после развертывания. Снова и снова вы будете видеть, как система сталкивается с неожиданными значениями данных и тенденциями. Ваша исходная модель не была разработана с учетом этих новых тенденций в данных. Вам снова нужно перезапустить систему ML. Кроме того, этот процесс прост, если вы знаете, какое изменение данных вызывает проблему в вашей системе. В 80% случаев вы даже не узнаете, что произошло, пока вся система не сломается.

Теперь я прекращаю разглагольствовать о негативных аспектах ML.

Но это было необходимо, прежде чем я изложил свою точку зрения. Друг мой, если вы стремитесь стать специалистом по ML/AI, позвольте мне сказать вам: это нелегкий процесс. Так что, если вы действительно решили пойти на это. Будьте готовы столкнуться с трудностями!

Не вносите это в свой список желаний. Сделай это сейчас! Не теряйте больше времени. Мы уже опоздали на вечеринку. Вы не хотите в конечном итоге получить остатки. Подберите книги по машинному обучению, видеоблоги и другие курсы по своему усмотрению. Но сделай это. Каждую неделю я придумываю видеокурс ML на моем канале Youtube. Если мои видео помогут вам, пожалуйста, не стесняйтесь, напишите мне с любой концепцией, которую вы хотели бы подробно изучить. Я хотел бы пройтись по ним вместе с вами.

Единственный способ добиться успеха в машинном обучении — это овладеть теорией и реализовать концепции в проектах. Выполняйте как можно больше проектов.

Будь настойчив и развивай сильную волю, мой друг. Только так мы можем освоить это поле.